PACE：以进度对齐上下文实现阶段一致的机器人操作

演示条件策略提供了一个用于指定机器人行为的自然界面，但是当视觉上相似的状态在不同阶段重复出现或当演示和执行以不同的速度进行时，长视野操作仍然很困难。我们将由此产生的故障模式识别为阶段混乱，并引入了进度对齐的执行上下文（PACE），这是一种有状态的方法，可以根据实现的执行进度不断地重新解释完整的演示。 PACE 将演示压缩为有序多模态提示 token，并使用仅训练的双边注意力监督来暴露其潜在阶段结构。在执行过程中，情节局部快速权重记忆因果编码实现的动作观察转换并调节提示交叉注意力，为统一的扩散动作专家生成进度一致的上下文，而无需测试时阶段标签或阶段特定的策略。 PACE 将 LIBERO-Gen 目标链的成功率从 88.9% 提高到 94.0%，将空间组合的成功率从 79.1% 提高到 83.3%，将两步块路由任务的成功率从 33.3% 提高到 73.3%。故障分析进一步表明，结构化演示对齐和因果执行记忆共同缓解了阶段混乱。