上海交大等提出具身策略 VaM：将价值预测作为任务进度记忆，连续自主操作成功率超 95%

上海交大卢策吾团队等提出长流程具身操作框架 VaM（Value as Memory），将近期价值预测序列作为任务进度记忆输入动作策略，并构建离线到在线的真机强化学习闭环。实验显示，在纸盒装配任务中机器人连续自主运行 4 小时且成功率超 95%，相比无价值缓存方案最终任务成功率提升 29.4%，并显著提高错误恢复率。相关代码与项目已在 GitHub 开源。