Tiny Recursive Policy：面向视觉运动控制的递归潜在状态精炼

TRP 是一种参数高效的行为克隆策略，在每个控制步用共享计算模块反复更新高层与低层潜在状态后再解码动作序列，并将状态传递到后续预测。它在 LIBERO-100、MetaWorld ML45 和 LIBERO-Mem 上多任务与少样本表现有竞争力，长时程和依赖上下文的任务提升明显，参数量显著少于大型生成式基线。