AtlasVA

AtlasVA 是一个无需教师监督的视觉技能记忆框架，专为视觉-语言模型（VLM）智能体设计。其核心通过三层视觉记忆（空间热力图、视觉示例、符号化文本技能）实现经验的视觉具身化存储，并基于交互轨迹自动演化危险与亲和力图谱，提供坐标感知的稠密视觉奖励塑形，从而在不依赖外部大语言模型监督的前提下统一感知、记忆与强化学习优化。适用于 Sokoban、FrozenLake、3D具身导航及机器人操作等空间密集型强化学习任务。