VLA 模型的记忆机制是如何设计的？

为支撑长时程任务，VLA 需要记忆机制来保留历史观察与任务进度，避免因信息丢失而重复或中断操作：

1. 短期视频记忆：保留近期的视觉观察，减少因遮挡造成的信息丢失，使机器人在目标短暂被遮挡时仍能延续操作。
2. 长期语言记忆：记录已完成的任务阶段与关键事件，用于进度追踪与策略调整。Physical Intelligence 2026 年 3 月发布的 MEM 即将短期视频记忆与长期语言记忆结合，前者保留近期观察，后者记录任务阶段与关键事件。
3. 固定容量循环记忆：南洋理工大学 2026 年 9 月提出的 MemBodied，采用固定容量的循环记忆保留历史交互信息与初始场景，使机器人能够调用已不在视野内的信息来指导后续动作，在有限内存预算下实现长时程记忆。