כתבה
arXiv cs.AI ·
VPWEM: תכנות נונ-מרקוביאני למדידה וזיכרון
VPWEM: Non-Markovian Visuomotor Policy with Working and Episodic Memory
VPWEM הוא תכנות נונ-מרקוביאני שמשתמש בזיכרון עבודה וזיכרון אפיזודי למדידה וזיכרון. הוא משתמש במערכת זיכרון תפוצה של Transformer כדי להקליד תצלומים ישנים לזיכרון אפיזודי. VPWEM משפר את הביצועים של תכנות דיפוזיה ומודלי VLA ב-20% ו-5% בהתאמה.
תקציר מקורי באנגליתarXiv:2603.04910v2 Announce Type: replace-cross Abstract: Imitation learning from human demonstrations has achieved significant success in robotic control, yet most visuomotor policies still condition on single-step observations or short-context histories, making them struggle with non-Markovian tasks that require long-term memory. Simply enlarging the context window incurs substantial computational and memory costs and encourages overfitting to spurious correlations, leading to catastrophic failures under distribution shift and violating real-time constraints in robotic systems. By contrast, humans can compress important past experiences into long-term memories and exploit them to solve tasks throughout their lifetime. In this paper, we propose VPWEM, a non-Markovian visuomotor policy equ
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית