**MemBodied：为视觉-语言-动作模型引入固定大小的循环联想记忆**

_MemBodied: Recurrent Associative Memory for Vision-Language-Action Models_

> 现有视觉-语言-动作（VLA）模型大多只依赖当前观测，无法利用历史信息，在依赖过去观测的操作任务中表现受限；而把历史观测塞进上下文又会带来上下文膨胀和推理延迟。该论文提出 MemBodied，用固定大小的情节记忆替代扩展上下文，包含两部分：记录各次策略调用间交互的联想状态，以及保存初始场景紧凑表示的片段锚点。每次生成动作时，模型以当前输入加记忆为条件，而非直接使用历史观测。在五个需要记忆能力的 RMBench 任务上，其平均成功率达到无状态策略的 7.81 倍、普通循环记忆的 2.98 倍，并以少 10 倍的额外参数量超过最强记忆增强基线 1.3 倍；在完全可观测的 LIBERO-Long 上达到 90.6%，较无状态的 π\_0 策略提升 5.4%。结果表明，MemBodied 是替代扩展策略上下文处理历史依赖操作任务的实用方案。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-24 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.28256)