NYU 提出时序流策略 TFP：机器人记忆按物理时间演化

2026 年 10 月 15 日，AGI Hunt 报道 NYU 团队提出时序流策略（TFP）。该方法让机器人记忆按实测时间间隔演化，由 elapsed time 决定记忆状态推进的距离，再以该记忆状态条件化扩散／流匹配策略。报道称，实测中 TFP 结合 Diffusion Policy 与 π0.5，平均成功率高于同间隔配置下的循环记忆、状态空间记忆以及门控变体。该工作已在需要计时或记忆的真实机器人任务以及 LIBERO 评测中进行了验证。截至最新报道，事件仍停留在方法发布与评测结果公布阶段，尚无后续复现或第三方验证消息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。