流式推理优化，让机器人决策延迟低至0.68秒 SimpleMemVLA 团队 投稿 量子位 | 公众号 QbitAI 不增加专用记忆模块，直接把带时间戳的视觉历史作为上下文，机器人能做到什么？ SimpleMemVLA给出的答案是：**在论文比较范围内，四项记忆基准的总体成绩达到SOTA，并在不更新参数的情况下，表现出视觉上下文学习能力。**它也是**MiniCPM-RobotManip中上下文记忆和流式记忆的支撑技术。** 这条路线的核心很直接：让机器人结合过去发生的事情，理解眼下该做什么。被遮住的物体在哪里、某个动作已经完成几次、任务进行到了哪一步，都可以从**原生视觉历史**中获得依据。 为什么现在可以这样做？按论文设置，60秒历史仅占约5.6k token，而主干模型支持262k token上下文。分钟级历史已经能够直接放入模型，不必一开始就将其压缩成另一套记忆表示。 该工作由面壁智能联合华中科技大学、中国人民大学、清华大学、北京大学、北京智源人工智能研究院和北京中关村学院共同提出。* 原生视觉上下文，让机器人在长任务中记得更准 从遮挡、计数到长程交互，SimpleMemVLA