Tiny Recursive Policy：面向视觉运动控制的递归潜在精炼

📋总体概括

研究者提出Tiny Recursive Policy（TRP），一种参数高效的行为克隆策略，核心创新在于将持久时序状态与递归潜在精炼相结合。不同于多数策略每次预测都从固定观测窗口重建内部表示，TRP在每步控制中反复用共享计算模块更新高低层潜在状态，再解码动作序列，并将状态传递至后续预测。在LIBERO-100、MetaWorld ML45和LIBERO-Mem基准上，TRP在多任务与小样本场景表现具竞争力，并在长时序和上下文依赖任务上取得显著提升。