ActMem-VLA 用动作历史记忆提升长程 VLA 成功率
热点事件持续更新
ActMem-VLA 用动作历史记忆提升长程 VLA 成功率
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
ActMem-VLA 团队提出双专家交接架构，在冻结的微调 VLA 上加入记忆插件：Mamba 模块把已执行动作历史编码为记忆，轻量 PreAction Expert（PAE）在高噪声去噪阶段引导任务推进，再交给冻结的 Action Expert 细化动作；训练中只联合优化 Mamba 模块与 PAE。 作者报告称，在 LIBERO-Mem 十项任务上 ActMem-VLA 平均成功率 80.8%，高于 π₀.₅ 的 65.2% 和 MemoryVLA 的 49.5%，额外参数量仅 3.45%；在四项真实任务上，其平均成功率较 π₀.₅ 提升 28.8%。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
ActMem-VLA：用动作历史记忆与双专家去噪提升长程 VLA 策略报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv cs.RO 机器人学精选ActMem-VLA：用动作历史记忆与双专家去噪提升长程 VLA 策略
ActMem-VLA 提出双专家交接架构，在冻结的微调 VLA 上加入由 Mamba 记忆模块和轻量 PreAction Expert（PAE）组成的记忆插件：Mamba 将已执行动作历史编码为记忆，PAE 在高噪声去噪阶段引导任务推进，再把部分去噪后的动作交给冻结的 Action Expert 细化。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。