BATON：通過智能子任務探索與轉換感知記憶實現長程機器人操控

在机器人操控领域，长程任务（Long-horizon manipulation）通常涉及一系列复杂的接触密集型技能，这些技能必须按顺序精准执行才能完成最终目标。虽然当前的视觉-语言-动作（VLA）模型在执行单一技能方面表现出色，但在处理长链条任务时却显得力不从心。这种失效主要源于两个深层问题：首先是误差累积效应，即前序步骤中微小的偏差会随着任务链的延伸而不断放大，最终导致整体任务失败；其次是子任务之间的"断层"问题，即前一个子任务的结束状态往往无法满足下一个子任务的起始需求。现有的主流方案尝试通过引入大语言模型（LLM）作为规划器来解决此问题，即由 LLM 进行语言层面的规划，并在自由空间运动时使用解析原语，仅在需要接触的任务阶段调用 VLA。然而，这种方法在面对长程任务时会遭遇"指数级探索成本"的困境，且由于缺乏对任务转换（Transitions）的显式表征，导致任务链在衔接处极易崩溃。

BATON 框架正是为了打破这两大瓶颈而设计的，它试图通过重构探索机制与记忆结构，让机器人具备处理复杂、连续长程任务的能力。BATON 的核心技术创新在于其独特的"子任务探索"与"转换感知记忆"机制。针对探索成本过高的问题，BATON 改变了以往"尝试完成整个长程任务"的低效策略，转而将每个子任务视为独立的探索单元。在训练或探索阶段，系统会在短时程（Short-horizon）环境下对每个子任务进行单独探索，并将成功的解决方案存储在记忆库中。这样一来，长程任务的复杂度不再是各阶段成本的乘积，而是降阶为各阶段成本的加总，极大地提高了探索效率，并能精准定位失败发生的具体阶段。

在记忆管理方面，BATON 引入了三种关键的转换机制：首先是"验证器代理（Verifier Agent）"，它通过观察手腕摄像头（Wrist view）来确认场景是否已达到触发 VLA 执行的就绪状态，确保了调用的准确性；其次是"交接转换（Handoff Transition）"，它能够修复前序任务留下的残余影响，将环境状态恢复到后续任务所需的起始状态；最后是"前瞻转换（Lookahead Transition）"，它能够预判不同策略的执行结果，从而选择最能被后续任务所继承的执行方案。值得注意的是，整个过程无需对模型参数进行任何更新，完全依赖于智能体对记忆的检索与逻辑推理。为了验证 BATON 的有效性，研究团队在长程操控基准测试 RoboMemArena 上进行了严苛的实验。实验结果表明，BATON 在处理复杂任务链时表现出了极强的鲁棒性。相比于目前的 SOTA（State-of-the-art）方案，BATON 将任务的单次成功率（Task Success Rate）提升了 11.6%，而更具代表性的累积成功率（Cumulative Success Rate）则提升了 14.9%。

消融实验进一步证实，这种性能提升主要归功于其将探索成本从指数级降至线性级的策略，以及通过转换感知记忆解决了子任务间的状态不匹配问题。实验数据清晰地表明，通过将长程任务拆解为可独立探索、可精准衔接的模块化单元，机器人能够以极低的计算和尝试成本，完成以往难以实现的复杂操作序列，这为解决机器人长程操控中的"组合爆炸"问题提供了切实可行的路径。BATON 的提出为具身智能（Embodied AI）领域的研究提供了全新的视角。它证明了在不增加底层模型参数量的前提下，通过优化任务的组织逻辑与记忆检索机制，可以显著提升机器人在复杂环境下的任务完成能力。对于工业界而言，这意味着机器人可以更灵活地应对多步骤、高精度的生产流程，而不仅仅局限于单一的重复动作。对于开源社区和后续研究者来说，BATON 提出的"子任务作为探索单元"的思想，为解决机器人学习中的样本效率问题提供了重要的理论支撑。随着 VLA 模型能力的不断增强，如何构建像 BATON 这样具备高效规划与精准衔接能力的"大脑"架构，将成为实现通用机器人智能的关键方向。这不仅推动了机器人从"技能学习"向"任务理解与执行"的跨越，也为构建具备长程逻辑推理能力的具身智能体指明了技术路线。