TaskAnchor 用执行历史缓解 VLA 任务状态混淆

跨维智能 DexForce 等研究团队发表论文提出 TaskAnchor 方法，通过轻量适配器把执行历史接入预训练 VLA（π₀.₅、XVVA）原有的语言与视觉接口，缓解长程操作中的任务状态混淆。该方法采用双路径设计：一个归一化的任务状态坐标描述语义执行阶段，一个基于上下文自适应测试时训练（CA-TTT）的视觉残差保留历史细节。 在 RMBench 的单任务训练设置下，TaskAnchor 将 π₀.₅ 的平均成功率从 14% 提升至 79%，每个动作块的额外推理开销为 2.08 毫秒，测试期间没有额外的在线微调。论文指出该时延仅对应模型推理，不等同于完整机器人系统的端到端控制延迟。

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。