WeaveLA：用于重复机器人操作的事件驱动的跨子任务潜在记忆编织

愿景-语言-行动（VLA）政策已经实现了显着的单步操纵，但它们仍然很脆弱，因为每个阶段都取决于刚刚完成的事情。核心问题是结构性的：短窗口 VLA 缺乏跨子任务边界路由信息的显式通道，并且现有的内存增强变体要么在每一帧写入，从演示时间阶段检索，要么在子目标事件上触发，而不执行显式的子任务到子任务切换到动作专家。我们将子目标完成事件确定为跨子任务内存切换的自然时间单元，并提出了 WeaveLA（视觉-语言-动作策略的编织潜在内存），这是一种跨子任务内存接口，在冻结的 VLA 主干之上，通过查询驱动的注意力池将每个完成的片段压缩为潜在词元，并将它们直接路由到下一个子任务的动作生成路径中。这种事件触发的操作端设计保留了基本策略的短窗口接口，同时添加了轻量级跨子任务通道。通过对具有 $π_{0.5}$ 主干的 RoboMME 进行分层评估，WeaveLA 的收益恰好落在了需要通道的地方：在最难的重复切片（SwingXtimes，$N{=}3$）上，成功率从 $0\%$ 上升到 $47.8\%$，而单次执行剧集保持不变。每集配对分析证实，收益仅限于因果结构需要跨子任务信息的任务。