Memoria Latente Dual en Modelos VLA para Manipulación Robótica | Cómo mejorar la persistencia temporal en robots inteligentes | Arquitectura de memoria para agentes de visión-acción-lenguaje

Abstract

PROBLEMA: Los modelos de Visión-Lenguaje-Acción (VLA) suelen tener dificultades para retener contextos previos o estados temporales de larga duración, lo que afecta la precisión en tareas de manipulación robótica complejas que requieren secuencia. SOLUCIÓN: Se propone una arquitectura de Memoria Latente Dual que separa el procesamiento sensorial inmediato de la representación de la historia del episodio, optimizando la toma de decisiones. METODOLOGÍA: Utilizando un sistema de memoria de dos niveles (corto y largo plazo latente), el modelo fue evaluado en entornos simulados y reales de manipulación de objetos. RESULTADOS: Los experimentos muestran una mejora del 15-20% en la tasa de éxito de tareas que implican obstrucciones temporales o cambios en la escena que requieren memoria persistente. RELEVANCIA: Es fundamental para el desarrollo de agentes físicos que operan en entornos dinámicos y necesitan coherencia temporal en sus acciones.