PHASER：面向视觉 - 语言 - 动作模型的阶段感知与语义经验回放

视觉 - 语言 - 动作（VLA）模型在语言条件机器人操作中表现优异，但在开放环境中持续获取新技能时易引发灾难性遗忘。针对传统经验回放中均匀采样导致的子技能采样不足及遗忘程度忽视问题，本文提出 PHASER 框架。该框架采用以阶段为中心的容量分配策略，确保所有子技能获得均衡记忆支持，并结合多模态干扰路由动态优先处理高遗忘风险阶段。此外，集成 Auto-PC 流水线，通过无监督动作信号变点检测与 VLM 语义验证，实现无需大量人工标注的时间边界提取。