行为克隆已成为机器人操作领域的重要方法，但当前不少策略在每次预测时都从固定的观测窗口重新构建内部表示，执行过程中并不保留持续的潜在上下文。这种设计在短任务中问题不大，却会让策略在需要跨越较长时间跨度、依赖前序上下文的操作中丧失信息连贯性。论文《Tiny Recursive Policy: Recursive Latent Refinement for Visuomotor Control》针对这一局限提出 Tiny Recursive Policy（TRP），一种参数高效的行为克隆策略，将持久时间状态与递归潜在精炼结合起来。
TRP 的核心机制体现在每个控制步的计算流程上。策略使用一个共享的计算模块，对高层与低层潜在状态进行多次迭代更新，然后在此基础上解码出动作序列。与每次从零重建表示的做法不同，TRP 会把精炼后的状态传播到后续的预测步骤中，使策略在整个执行过程中维持一份连续的潜在上下文。这种“步内递归精炼 + 跨步状态传递”的结构，使模型能够用相对紧凑的参数完成较复杂的推理。
作者在三个基准上评估了该方法：LIBERO-100、MetaWorld ML45 以及专门考察记忆能力的 LIBERO-Mem。结果显示，TRP 在多任务与少样本设定中表现具有竞争力；而在长程任务和依赖上下文的任务上，其提升尤为明显。与此同时，TRP 所使用的参数量显著少于大型生成式基线，说明性能优势并非单纯来自模型规模扩张。
论文还通过执行期扰动实验考察了持久状态传递的作用。结果表明，任务对时间上下文的需求越高，策略对持久状态传递的依赖就越强。另一项值得注意的发现是，在训练阶段对状态传递施加扰动，可以显著提升策略对传递噪声以及视觉损坏的鲁棒性，这为训练更稳定的递归策略提供了实用线索。
消融实验进一步揭示了持久状态与递归精炼之间的强交互关系：状态传递所带来的收益在很大程度上取决于步内计算量的大小，二者需要配合才能发挥效果；而最终性能也无法仅用参数数量来解释。该论文于 2026 年 10 月 23 日提交至 arXiv，归类为机器人学（cs.RO），作者为 Hakan Aktas 等两人，论文编号为 arXiv:2610.33288。