Key-Gram：面向具身操作的可扩展世界知识

针对具身控制中视觉 - 语言策略存在的模态竞争及知识扩展依赖主干更新问题，本文提出 Key-Gram 条件记忆框架。该框架通过记忆模块将指令分解为特定任务的关键语法，利用确定性哈希查找检索静态语言先验，并经上下文感知门控注入隐藏层。此设计使主干网络专注于视觉推理，而可复用知识存储于外部记忆。实验表明，该方法在多个基准及真实世界中显著提升了组合 grounding、迁移能力及长程操作性能。