行為克隆已成為機器人操作領域的重要方法，但當前不少策略在每次預測時都從固定的觀測窗口重新構建內部表示，執行過程中並不保留持續的潛在上下文。這種設計在短任務中問題不大，卻會讓策略在需要跨越較長時間跨度、依賴前序上下文的操作中喪失信息連貫性。論文《Tiny Recursive Policy: Recursive Latent Refinement for Visuomotor Control》針對這一侷限提出 Tiny Recursive Policy（TRP），一種參數高效的行為克隆策略，將持久時間狀態與遞歸潛在精煉結合起來。
TRP 的核心機制體現在每個控制步的計算流程上。策略使用一個共享的計算模塊，對高層與低層潛在狀態進行多次迭代更新，然後在此基礎上解碼出動作序列。與每次從零重建表示的做法不同，TRP 會把精煉後的狀態傳播到後續的預測步驟中，使策略在整個執行過程中維持一份連續的潛在上下文。這種“步內遞歸精煉 + 跨步狀態傳遞”的結構，使模型能夠用相對緊湊的參數完成較複雜的推理。
作者在三個基準上評估了該方法：LIBERO-100、MetaWorld ML45 以及專門考察記憶能力的 LIBERO-Mem。結果顯示，TRP 在多任務與少樣本設定中表現具有競爭力；而在長程任務和依賴上下文的任務上，其提升尤為明顯。與此同時，TRP 所使用的參數量顯著少於大型生成式基線，説明性能優勢並非單純來自模型規模擴張。
論文還通過執行期擾動實驗考察了持久狀態傳遞的作用。結果表明，任務對時間上下文的需求越高，策略對持久狀態傳遞的依賴就越強。另一項值得注意的發現是，在訓練階段對狀態傳遞施加擾動，可以顯著提升策略對傳遞噪聲以及視覺損壞的魯棒性，這為訓練更穩定的遞歸策略提供了實用線索。
消融實驗進一步揭示了持久狀態與遞歸精煉之間的強交互關係：狀態傳遞所帶來的收益在很大程度上取決於步內計算量的大小，二者需要配合才能發揮效果；而最終性能也無法僅用參數數量來解釋。該論文於 2026 年 10 月 23 日提交至 arXiv，歸類為機器人學（cs.RO），作者為 Hakan Aktas 等兩人，論文編號為 arXiv:2610.33288。