上海交大等提出VaM：用价值预测做任务进度记忆，纸盒装配连续运行4小时成功率超95%

上海交通大学与上海创智学院等提出Value as Memory（VaM），把价值模型的近期预测序列作为任务进度记忆输入动作策略，并配合离线到在线的真机强化学习流程。在纸盒装配任务中，VaM连续自主运行4小时，任务成功率超过95%。消融显示，相比移除价值缓存的版本，最终任务成功率提升29.4%；在线RL方案在三个任务上的平均成功率提升32.8%，平均每个梯度步对应的真实世界时间成本降低57.8%。