arXiv Robotics· Cui Miao, Junhao Yu, Ping Liu, Ning Yang, Xuhua Chen, He Zheng, Xiaodong Wang, Tao Zhang·· 6 小时前AI 评分24
RM-WAM：面向长时程机器人操作的可信记忆增强世界动作模型
RM-WAM: Reliable Memory-Augmented World Action Models for Long-Horizon Robot Manipulation
AI 导读
RM-WAM 是一种记忆增强的世界动作模型，用短期视觉状态记忆与潜在事件记忆表示历史，并通过反事实记忆学习让模型估计历史记忆的情境相关效用，再由效用感知门控机制自适应控制记忆注入世界-动作主干。该方法针对长时程任务中视觉相似状态对应不同交互历史的问题，避免直接引入历史观测带来的过时、阶段错配或错误污染信息。实验表明，可靠且选择性地利用记忆对长时程任务至关重要。
来源：arXiv Robotics · arxiv.org