CondenseVLA：可学习历史压缩的多帧VLA策略
热点事件持续更新
CondenseVLA：可学习历史压缩的多帧VLA策略
1 篇报道1 个报道来源57 分钟前更新
先了解这件事
AI 综述
2026年10月20日，arXiv Robotics 报道了 Feiyang Hong 等作者提出的 CondenseVLA 多帧视觉-语言-动作（VLA）策略。该方法在解码器侧设置可学习的历史压缩模块，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，从而在动作解码中利用短期视觉上下文。评测结果显示：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%。报道称该工作已被 NeurIPS 2026 接收。目前进展停留在论文发布与评测结果披露阶段，尚无后续跟进报道。
AI 根据报道生成 · 46 分钟前更新
最新进展10月20日 12:00
CondenseVLA：面向高效多帧 VLA 的可学习历史压缩报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv RoboticsCondenseVLA：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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。