上海交大团队提出 VaM 价值预测记忆框架，机器人连续作业 4 小时成功率超 95%

上海交大团队提出 Value as Memory（VaM）在线价值引导后训练框架，利用缓存的价值预测识别机器人任务中的进度停滞与倒退，并触发恢复行为。框架采用行为克隆、离线 RL 预热、在线纠错与自主 rollout 四个训练阶段，代码和论文已开源。盒子装配任务连续自主运行 4 小时的成功率超过 95%，并在叠衣服和磁性巴士装配任务中完成验证。