当计划发生改变：面向VLA模型的再规划引导视觉记忆

📋总体概括

arXiv论文提出RePlanMem-VLA，一种面向长时程、多阶段VLA策略的视觉记忆方法。其核心思路是把策略自身在滚动执行中相邻动作块预测的不一致程度作为在线记忆写入信号：当对齐的预测出现异常大分歧时，判定发生了任务相关事件并写入关键帧记忆，从而无需保留完整冗余历史观测。团队在从头训练的自回归decoder-only与Flow-Matching Transformer上对比了35种分歧度量方式，并在预训练模型上验证所选信号的有效性。