全局先验遇见局部一致性：用于高效机器人操作的双重记忆增强视觉 - 语言 - 动作模型

分层视觉 - 语言 - 动作（VLA）模型在机器人操作中面临推理效率低和鲁棒性差的瓶颈。现有策略仅依赖当前观测，忽视历史序列约束。为此，本文提出 OptimusVLA，一种包含全局先验记忆（GPM）和局部一致性记忆（LCM）的双重记忆框架。GPM 利用语义相似轨迹检索任务级先验替代高斯噪声，缩短生成路径；LCM 动态建模执行动作序列以推断任务进度，注入一致性约束确保时序连贯。实验表明，该模型在多个基准测试及真实世界评估中显著优于基线，兼具高成功率与推理加速。