HeLM分层显式语言记忆VLA框架提出

Gyeonghun Kim等作者提出分层VLA框架HeLM，用显式语言保存任务相关历史，通过分解式事件检测和事件触发记忆更新处理非马尔可夫操作任务。作者称，多数现有VLA架构按马尔可夫假设只把当前观测映射为动作，在非马尔可夫环境中会失败。 研究在10个真实世界非马尔可夫任务、56个变体上评估，其中包括五个新提出的跨回合任务，要求跨任务边界保持上下文。作者报告：相比最强基线，HeLM的回合内成功率提升12.8个百分点；在组合泛化任务上子任务成功率达78%；长时程下内存占用最多减少4.5倍，运行速度比关键帧基线快2.5倍。 该论文为arXiv预印本，尚未经同行评议，上述效果均为作者自报结果。

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。