inr2action：将机器人任务片段编码为神经隐式表示以实现回忆与动作

📋总体概括

arXiv预印本inr2action提出一种参数空间记忆框架：将机器人执行的长时程任务片段视频拟合为神经隐式表示，其相对于共享元学习初始化的权重增量即作为该片段的记忆单元。无论片段是一百帧还是十万帧，权重增量大小恒定，实现与执行时长无关的记忆扩展。学习到的投影器把权重增量映射为token嵌入，同时驱动语言模型做问答、解码器做联合指令回归，查询时无需逐帧检索。在RoboMME基准上，语言模型在全部问题类型上超越随机水平，解码器平均R²达0.51，且以匹配噪声替换增量会导致性能下降，验证了增量承载真实信息。