两篇新的研究论文介绍了一种用于视觉-语言-动作(VLA)模型的新型记忆框架,以提高它们在长时任务上的性能。第一个,CogMemory,使用变分认知记忆框架,通过潜在表示和动态交叉注意力选择性地保留和重用与任务相关的历史信息。第二个,GeoMem-VLA,将显式三维场景理解内化为专门的几何令牌,这些令牌被维护为用于动作生成的时序记忆,在机器人操作基准测试中取得了很高的成功率。 AI
影响 这些记忆建模的进步可能导致更强大的机器人,能够更可靠地执行复杂的多步任务。
排序理由 两篇学术论文介绍了VLA模型的新型记忆框架。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →