Memory-Augmented VLA记忆增强 VLA

Memory-augmented vision-language-action policy for long-horizon manipulation.面向长程操作的记忆增强视觉-语言-动作策略。

Research lead, 2026.02 – ongoing.

A vision-language-action (VLA) policy that stays coherent over long-horizon manipulation by carrying an explicit, bounded memory.

  • Architecture — hierarchical task decomposition, a sub-task boundary detector, a fixed-capacity Implicit Memory Bank, and a memory–action cross-attention interface.
  • Implementation — full PyTorch training & inference pipeline; multi-GPU distributed training; sim-to-real validation on a real arm.
  • Evaluation — RMBench / VLABench / LIBERO-Long against Mem-0, MEM, MemER, CronusVLA baselines.

研究负责人，2026.02 – 进行中。

一个视觉-语言-动作（VLA）策略，通过显式、有界的记忆，在长程操作任务中保持连贯。

  • 架构 —— 分层任务分解、子任务边界检测器、固定容量的隐式记忆库（Implicit Memory Bank），以及记忆–动作交叉注意力接口。
  • 实现 —— 完整的 PyTorch 训练与推理流程；多 GPU 分布式训练；在真实机械臂上完成 sim-to-real 验证。
  • 评测 —— 在 RMBench / VLABench / LIBERO-Long 上对比 Mem-0、MEM、MemER、CronusVLA 等基线。