权重技能、代码记忆：记忆依赖型机器人操作的混合学习

现代视觉-语言-动作（VLA）策略已经获得了广泛的操作技能，但通常根据当前观察或较短的固定长度历史生成每个动作块。然而，现实世界的操纵通常是非马尔可夫的，要求机器人保留并推理长期交互历史中与任务相关的信息，以确定下一步行动。为了应对这一挑战，我们提出了 HyMeS，这是一种混合学习框架，它利用 编码智能体 的推理和内存管理功能来引导马尔可夫 VLA 进行依赖于内存的操作。具体来说，HyMeS 通过基于梯度的模仿学习来学习底层运动技能，而 编码智能体 通过启发式学习通过执行轨迹反馈迭代更新可执行启发式系统来获取高层记忆管理策略。此外，我们通过多模式阶段完成验证来关闭转向和执行之间的循环，该验证使用本体感受信号和多帧 VLM 判断来更新内存。与端到端记忆增强 VLA 相比，HyMeS 仅需要演示可重复使用的运动技能，而不是每个依赖于历史的任务配置，从而实现数据高效的组合概括。在 RoboMemArena 上，与 pi0.5 相比，HyMeS 将平均累积成功率从 52.5% 提高到 66.2%，将平均任务成功率从 41.3% 提高到 60.1%，同时在累积成功率上比 PrediMem 高出 4.5 分，在任务成功率上高出 14.5 分。