arXiv cs.AI· Hongyu Shi, Sen Zhao, Zuyu Zhang, Lifeng Shen, Ding Zou, Xinyu He, Xu Zhang, Qinghua Zhang·· 9 天前AI 评分24
FLOWMEM：为 VLA 模型重组与精炼潜在推理流
Recompose and Refine Latent Reasoning Flows for Vision-Language-Action Models
AI 导读
研究提出统一 VLA 模型 FLOWMEM，将成功的潜在计算转化为可复用的推理经验，随具身上下文演变动态检索并重组兼容的潜在片段，形成推理路径，再结合当前视觉与本体感知证据精炼后驱动动作生成。在 RoboMME 和 LIBERO-Plus 上分别取得 48.0% 和 77.3% 的成功率，较无记忆策略提升 1.7 和 4.1 个百分点。
正文 · AI 翻译
摘要：潜在推理使视觉-语言-动作（VLA）模型能够在生成连续机器人动作之前，将多模态观测转化为与任务相关的内部状态。现有方法虽能为每个策略查询学习生成或精炼此类状态，但在执行后便丢弃成功的推理，因而需要从头重建类似的计算。我们提出推理与流记忆（FLOWMEM），一个统一的 VLA 模型，将成功的潜在计算转化为可复用的推理经验。FLOWMEM 并非附加固定的检索上下文，而是随着具身上下文的演化，动态检索并重组兼容的潜在片段，形成一条遵循成功计算的时间结构与进程的推理路径。随后，该路径在用于条件化动作生成之前，会利用当前的视觉与本体感受证据进行精炼。在 RoboMME 和 LIBERO-Plus 上的实验表明，FLOWMEM 分别达到 48.0% 和 77.3% 的成功率，比无记忆策略高出 1.7 和 4.1 个百分点。这些结果证明了复用成功的潜在计算对于闭环 VLA 控制的价值。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.12090 [cs.AI] |
| （或 arXiv:2610.12090v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12090 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Sen Zhao [查看邮箱]
[v1]
2026年10月8日星期四 15:00:34 UTC（487 KB）
来源：arXiv cs.AI · arxiv.org