首尔大学提出 HeLM：以显式语言记忆提升 VLA 机器人的非马尔可夫任务能力

首尔大学提出 HeLM，通过分解事件检测与事件触发更新，以显式语言记忆维持任务历史，突破 VLA 模型的马尔可夫假设。在10个真实任务、56个变体上，HeLM 成功率较最强基线提升12.8个百分点，组合泛化子任务成功率达78%，长时程内存少用至4.5倍、速度快2.5倍。