2AM：Agent侧记忆引导无状态VLA长程操作

Yutong Hu等作者在arXiv提交预印本，提出2AM：把长程机器人操作的任务记忆交给多模态Agent单独持有，动作模型只负责执行。Agent把交互历史编译成子任务语言，以及可选的2D抓取、放置和移动提示，在不同时间尺度上表达物理意图；执行端是一个基于RGB、按回合无状态的动作模型。作者称，为让VLA学会接受这种引导，他们在演示中加入结构化提示标签，并在条件丢弃、空间噪声和时间抖动下训练，以容忍不完美的Agent输出。 作者报告，在LIBERO-Mem上，不使用深度、在线几何或基于规划器的物体运动时，2AM平均完成率为76.3%，比其报告的最强基线14.8%高61.5个百分点，宽松成功率63.0%，严格成功率11.8%。该结果出自预印本，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。