SimpleMemVLA：为视觉-语言-动作模型提供原生视频记忆的简单有效方案
SimpleMemVLA: A Simple but Effective Native-Video Memory for Vision-Language-Action Models
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
SimpleMemVLA 提出一种无需专用记忆模块的 VLA，直接以 backbone 原生视频上下文作为记忆，将历史保留为带时间戳的视频格式，并通过生成子任务的隐藏状态把证据路由到 flow-matching 动作头。
来源：Hugging Face Daily Papers · arxiv.org