长时程机器人控制正在更明确地区分规划、记忆和引导
这一天的机器人论文更偏向显式结构，而不是单体控制。HiVLA 和 Goal2Skill 都从把规划、落地、记忆和恢复从底层动作生成中分离出来中得到提升。VLAJS 在训练阶段用同样的思路，把 VLA 模型作为强化学习的稀疏早期指导。最具体的收益出现在长时程操作上；无人机导航论文则补充了一份清晰的未解决部署约束清单。
主题概况
Hierarchical Control
Task-state manipulation stack
最直接的短期变化发生在执行器策略上方。一条路是用带定位的规划器，把目标边界框和局部裁剪图交给控制器，处理杂乱场景里的多步操作。另一条路是加上任务状态层，包含记忆、后置条件检查和恢复动作，用来应对在某个中间步骤出错后失败的流程。第三条路是在早期 PPO rollout 中少量使用 VLA 先验，降低交互成本，同时让部署控制器继续保持在 RL 中。