NativeMEM用记忆token压缩提升VLA长时程操作成功率
热点事件持续更新
NativeMEM用记忆token压缩提升VLA长时程操作成功率
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Ziye Wang 等提出 NativeMEM，通过复用 VLA 自身的视觉编码器，把每个相机视角的每一帧历史压缩成单个记忆 token 拼入输入序列，使预训练 VLA 关注长期历史，无需外部规划器或新初始化的记忆模块，延迟开销极小。该方法已被 CoRL 2026 接收。 论文称，NativeMEM 在仿真中把成功率从 32.4% 提升到 84.0%，在真实机器人上最高达 98.7%，同时保持较低推理延迟和 GPU 显存占用；仅用 20% 训练数据即可取得与已有方法相当的结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月19日 12:00
NativeMEM：面向长时程机器人操作的原生记忆压缩方法报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.RONativeMEM：面向长时程机器人操作的原生记忆压缩方法
NativeMEM 是一种具备长时程、实时更新记忆的视觉-语言-动作（VLA）策略，其核心是 Native Memory Compression 编码方案，复用 VLA 自身的视觉编码器将每个相机视角的每一帧历史压缩为单个 token，拼接到输入序列后即可让预训练 VLA 关注长期历史，延迟开销极小，无需外部规划器或新初始化的记忆模块。
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。