PREM用未来预测调节VLA视觉记忆

Xiao Huang、Ya Zhang、Weidi Xie 提出预测调节记忆框架 PREM，用动作条件的未来视觉预测同时指导视觉记忆的学习与更新，为视觉-语言-动作策略提供时序上下文。训练时以预测未来视觉特征作为记忆学习的时间监督；执行时比较当前视觉特征与上一步决策时的预测，按空间归一化的预测差异逐位置调节视觉状态更新。 基于 π0.5 构建，作者报告 PREM 在 DOMINO 动态操作任务上把平均成功率从 9.63% 提升到 20.74%，在 RMBench M(1) 记忆依赖设置上从 14.4% 提升到 83.8%，并在 LIBERO 和 LIBERO-Pro 上显示通用操作与空间扰动鲁棒性提升。作者称在单张 NVIDIA H800 GPU 上平均推理开销为 7.7 ms。该工作以 arXiv 预印本发布，上述结果尚未经同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。