Tag · 2 篇
双系统架构
01 02
TRM-VLA：面向视觉-语言-动作模型的时序感知思维链推理与记忆
TRM-VLA: Temporal-Aware Chain-of-Thought Reasoning and Memorization for Vision-Language-Action Models
TRM-VLA 将时序感知的思维链推理与记忆机制引入 VLA 模型，其关键帧触发推理（KTR）和粒度自适应上下文记忆（GCM）可被视觉研究者复用于需要长程规划与实时执行的机器人操作任务，为视觉-语言-动作模型的推理效率与一致性提供新思路。
SemanticVLA：通过协同显式轨迹与潜变量动作规划实现超越动作记忆的语义推理
SemanticVLA: Towards Semantic Reasoning over Action Memorization via Synergistic Explicit Trace and Latent Action Planning
对做具身智能与 VLA 的研究者，这篇给出了把 VLM 的预训练空间视觉定位能力直接转成可解释文本坐标轨迹（显式 trace）并与潜变量动作词元互补的规划范式，可作为替代纯动作监督微调的思路，也提供了指令改写鲁棒性的评测视角。