一句话看懂：一项发表于 Hugging Face Papers 的研究指出，许多带记忆的视觉语言动作（VLA）策略按时间均匀采样记住画面，导致机器人把“等待”误当成“工作”，在计数任务中提前收工；仅改变记忆索引方式即可挽回一半以上损失。
事件核心：发生了什么
该研究在 RoboMME 的计数任务上测试了一类带记忆的 VLA 策略：它们按固定时间间隔采样帧，并给每帧打上时间戳。当机器人被安排短暂停顿或空转手腕时，任务依赖的信息没有任何变化，但已发布的记忆型 VLA 却把这段空档当成已完成的工作，提前停止。作者称这一失败为“幻影进度”。在一个任务上，成功率从 50 次中成功 47 次降到 16 次；另一个任务从 44 次降到 10 次。把同一批帧从记忆中移除后成功率恢复，说明问题出在记忆机制，而非中断本身。
为什么重要
目前公开信息显示，作者将失败归因于“时间捷径”：演示数据通常匀速推进，所以经过的时间能预测任务进度。仅重缩放时间戳，就能让策略在“时钟走快”时提前停止、在“时钟走慢”时重复动作。更关键的是，去掉时间编码并不能修复，因为空事件的帧仍占据按时间采样的记忆槽位。脆弱性取决于记忆如何被索引。修复尝试中，注入停顿训练未能消除失败，还损害了计数；改为按事件索引记忆，无需重训即可恢复至少一半损失。这提醒 VLA 开发者：记忆模块的设计比“有没有记忆”更重要。
对用户/开发者/创作者的影响
对机器人应用开发者，尤其是使用开源 VLA 模型做长程操作任务时，按固定频率采样帧的默认实现可能带来隐蔽的可靠性问题，在需要等待、避障停顿或人机交接的场景中尤其明显。评估时若不加入空事件，这类缺陷容易被忽略。对采购方，这意味着 demo 中的计数或进度能力未必能直接迁移到真实节奏多变的环境。作者建议的方向是让记忆按事件而非时钟滴答计数，这对记忆增强型 VLA 的训练与推理设计是一个可落地且低成本的调整方向。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是按事件索引记忆的具体实现能否在更多 RoboMME 任务和真实机器人上复现；二是主流开源 VLA 框架是否跟进修改默认记忆采样逻辑；三是后续工作能否证明注入停顿训练之外更有效的修复手段。目前结论基于论文摘要，全文实验条件与规模尚待核验。
