VaM：在线价值引导的机器人策略后训练框架

2026年10月16日，arXiv Robotics 刊出 Wenye Yu 等作者的论文，提出 Value as Memory（VaM）框架，用于机器人策略的在线后训练。据该报道，VaM 通过价值缓存将近期价值预测作为任务进度记忆来约束动作选择，并结合在线真实世界强化学习，融合离线演示、离策略干预与在策略 rollout，以实现样本高效的适配。报道称该框架旨在应对通用机器人策略后训练中的相关挑战。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。