CondenseVLA：可学习历史压缩提升多帧VLA策略

Feiyang Hong 等提出 CondenseVLA，一种在动作解码端加入可学习历史压缩模块的多帧 VLA 策略，用可学习查询和多头交叉注意力将 VLM 主干缓存的逐帧特征蒸馏为固定数量的槽位令牌，并以辅助正则惩罚槽位注意力图重叠、去相关槽位嵌入以减少冗余。该论文已被 NeurIPS 2026 接收。 在评测任务上，CondenseVLA 将 Simpler-WidowX 成功率从 58.7% 提升至 69.8%（+11.1 个百分点），在 LIBERO 上达到 97.2%，在真实世界任务上达到 52.8%；在依赖记忆的 RMBench 任务上成功率为 21.6%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。