内容摘要
长时程机器人操作需要利用过去的场景变化，但加入历史观测不等于有效使用历史。作者提出Temporal Forcing，针对动作监督只能间接约束历史表征的问题，直接监督模型保留的时序状态及其变化。
方法通过历史通路压缩过去观测，以门控交叉注意力注入当前图像特征；利用预训练StreamVGGT提供因果四维几何目标，进行历史状态与状态转移对齐，并补充当前帧几何对齐。四维基础模型和对齐头仅用于训练，推理保留历史通路与门控融合。
作者报告，相比StarVLA-OFT基座，LIBERO平均成功率由96.6%升至98.8%，Long由93.8%升至97.2%；RoboTwin 2.0十二项任务平均由53.5%升至62.8%。真机多阶段隐藏放置任务完整成功率由20.0%升至43.3%。受控消融显示，单加历史通路并未改善基线，收益来自与四维表征监督配合。
结果有明确条件：RoboTwin采用easy（clean）设置，每项任务用50条示范训练、测试100次；真机各模型使用相同100条示范，完整序列各测试30次。上述结果均为作者实验。
点评
这项工作支持将“提供历史输入”与“监督历史保留什么”区分开来，为历史感知VLA提供了训练期表征监督路径，而非仅扩展输入历史。
证据来自作者论文，不是独立复现；结果应限于所述基准与真机任务，不外推通用能力。材料仅承诺公开代码和真机视频，不能视为已完成工程开放。
版本与核查范围
版本 2608.30643v2 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#S1.I1.i2.p1.1；#S3.SS2.p1.1；#S3.SS3.p1.1；#S1.p3.1；#S3.SS4.SSS0.Px5.p2.1；#S3.T1.6.1；#A3.SS0.SSS0.Px1.p1.1；#S4.SS4.p1.1；#S4.SS4.p2.1；#S4.SS3.SSS0.Px1.p1.1；#S4.SS1.SSS0.Px1.p1.1