arXiv · 工业智能研究摘要· Qixin Sun·· 2 天前
面向视觉-语言-动作模型的潜在转换上下文记忆机制 LTM
LTM: Latent Transition Based In-Context Memory for Vision-Language-Action Models
AI 导读
预印本摘要显示，研究者提出面向视觉-语言-动作模型的潜在转换记忆 LTM，将历史信息存储为连续观察之间的紧凑潜在转换以解决不可见交互记忆问题。基于 π0.5 构建的 LTM-π 采用冻结的潜在动作编码器、轻量适配器与因果 KV 缓存，在无外部推理模型和特定标注下取得 RoboMME 58.54% 与 LIBERO-Mem 80.5% 的成功率。
来源：arXiv · 工业智能研究摘要 · arxiv.org