- 论文公开站arXiv
工作空间模型：基于显著性驱动监督的轻量机器人记忆
Workspace Models: Lightweight Robotic Memory via Saliency-Driven Supervision
摘要显示，该论文提出「workspace token」表示，在训练阶段用 VLM 识别任务所需的当前与历史信息，并通过集合重建解码器损失蒸馏为轻量潜变量记忆，部署时可直接替代观测输入，无需在环 VLM 推理。仿真与硬件实验表明，该方法在记忆密集型任务上不仅更轻量，策略性能也更好。
意义：为机器人策略记忆提供训练期蒸馏、部署期轻量化的思路，降低对 VLM 在线查询的算力依赖，利于实时长时程操作落地。