CondenseVLA：面向高效多帧 VLA 的可学习历史压缩

CondenseVLA 用可学习查询和多头交叉注意力，把 VLM 主干缓存的逐帧特征压缩成固定数量的 slot token，供动作解码使用。在评测任务中，它将 Simpler-WidowX 成功率从 58.7% 提升到 69.8%，LIBERO 达 97.2%，真实世界任务达 52.8%，依赖记忆的 RMBench 任务为 21.6%。该方法已被 NeurIPS 2026 接收。