行为克隆（BC）在非马尔可夫环境中面临长时域上下文推理的挑战。传统策略依赖循环网络或注意力机制捕获长期依赖，但循环模型易出现隐藏状态塌陷并在时间反向传播时梯度不稳，注意力模型受限于上下文长度。
我们提出 关键帧记忆体（Keyframe Mnemonics），一种自监督方法，通过从随机抽取的过去观测中学习目标，并将该目标作为奖励来挑选信息关键的观测（记忆体）。随后训练一个以发现的关键帧为条件的 BC 策略，以建模动作分布。
在满足特定任务结构假设下，该框架能够在无限时域上提供上下文保持保证，同时在策略工作记忆中仅保留少量决策相关关键帧。
实验在合成记忆域中进行，记忆体条件 BC 策略实现了 $100\%$ 成功率（SR），并能在远超训练时域的长度上保持性能不降。进一步在记忆密集型机器人操作基准上测试，平均提升 $13.9\%$ 绝对 SR，且在真实机器人上延长 $20\times$ 时域仍保持 $80\%$ SR。代码与视频已公开： https://keyframe-mnemonics.github.io
点评：该工作通过自监督关键帧筛选，突破了循环与注意力模型的固有局限，为长时程行为克隆提供了可扩展且高效的记忆机制。