提出LTM潜变量转移记忆增强VLA模型历史交互
热点事件持续更新
提出LTM潜变量转移记忆增强VLA模型历史交互
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
Qixin Sun等作者发布论文提出LTM（潜在转移记忆），将历史交互存储为相邻观测间的紧凑潜变量转移，并在π0.5上实例化为LTM-π，用于增强视觉-语言-动作模型的历史记忆。方法采用冻结的潜动作编码器、轻量适配器和因果KV缓存实现增量推理，无需记忆专用语义标注或外部推理模型调用。据论文摘要，使用DreamDojo转移时，LTM-π在RoboMME和LIBERO-Mem上分别达到58.54%和80.5%的成功率，在无外部推理模型和记忆专用标注的基线中表现最好；RoboMME演示数据扩大十倍后成功率从57.67%升至87.50%，真实机器人计数任务成功率从11.25%升至82.50%。
AI 根据报道生成 · 4 小时前更新
最新进展10月16日 12:00
LTM：基于潜在状态转移记忆增强视觉-语言-动作模型报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AILTM：基于潜在状态转移记忆增强视觉-语言-动作模型
研究团队提出LTM，并将其实例化为LTM-π，用潜在状态转移记忆增强π0.5在视觉-语言-动作模型中的历史交互记忆。基于论文摘要，该方法在RoboMME和LIBERO-Mem上分别达到58.54%和80.5%的成功率；RoboMME演示数据扩大十倍后，成功率从57.67%提升至87.50%，真实机器人计数成功率从11.25%提升至82.50%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月16日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。