固定大小记忆替代膨胀上下文：VLA 用联想状态和场景锚点处理历史依赖操作

Vision-Language-Action 模型为通用机器人控制提供了坚实基础，但绝大多数策略并不保存、也不利用当前观测之外的 episode 级信息。对那些关键线索只存在于过去观测中的操作任务，这一缺口会直接导致失败。把历史观测堆进上下文可以补回信息，代价却是上下文持续膨胀、推理延迟上升。MemBodied 提出固定大小的情节记忆：联想状态记录多次策略调用之间的交互，episode 锚点保留初始场景的紧凑表示作为参照。每次策略调用时，动作生成条件于当前输入与这两块记忆，而不是直接使用过去观测。

定长记忆，而不是更长上下文

无状态策略只看当前观测，无法完成依赖历史的操作。保留全部历史可以补信息，但上下文会一直变长。MemBodied 改用固定容量记忆：联想状态跨调用记录交互，episode 锚点保存初始场景的紧凑表示。模型在当前输入之上读取这两块记忆来生成动作。摘要将其定位为扩大策略上下文的实用替代，旨在控制上下文体积和推理延迟。材料未给出记忆维度、更新规则和网络结构，只能确认「定长」和「不直接回放观测」两点。

评测数字止于摘要

在五项需要记忆的 RMBench 任务上，MemBodied 平均成功率是无状态策略的 7.81 倍、普通循环记忆的 2.98 倍；相对最强记忆增强基线提升 1.3 倍，新增参数少 10 倍。在完全可观测的 LIBERO-Long 上，成功率达到 90.6%，较无状态 π_0 策略提升 5.4%。摘要据此支持它作为历史依赖操作中相对膨胀上下文的一条更省路径。分项结果、基线名称、训练设定和延迟均未在材料中给出，不宜再做外推。

我的判断

方向清楚：把 VLA 的记忆从「堆历史帧」改成「维护定长情节状态」，参数开销也克制。RMBench 上的倍数差说明，在真正需要记忆的任务上，无状态和普通循环记忆都不够用。LIBERO-Long 仍有增益，表明该模块在完全可观测设定里至少不拖后腿。材料止于摘要，没有失败案例、真实机器人数据和实现细节，适用边界不明。对必须记住初始摆放或中间交互的操作，值得作为对照去复现；对单步可解任务，不必优先采用。现阶段是一条有数字支撑的结构提案，还不是可默认上线的记忆方案。