摘要
长时间的机器人规划不仅需要预测接下来的动作，还需要记住具身经验，以使未来目标可解释。人类的规划并非仅基于当前场景，而是借助于记忆中的地点、物体状态变化、先前程序及通过重复行动显露的规律。
我们将具身行动记忆（EAM）定义为形成、维护和利用这种经验作为持久记忆状态以供后续决策的能力。MEMORA 实现了 EAM，采用形成-巩固-检索的生命周期和四种类型的存储：环境记忆、实体记忆、活动记忆和推断知识。
在线编辑维护对象身份和状态历史，以便在新观察到达时更新；离线巩固则将重复经验抽象为可重用的程序和特定参与者的规律。MEMORA-Bench 在 45 小时的 EPIC-KITCHENS-100 扩展视频上评估该生命周期，涵盖 18 名参与者，进行基于记忆的规划，包括以前未见的目标，以及补充的记忆评估任务。
在四种开放权重语言模型中，完整的 MEMORA 结合了编辑、类型存储和巩固，取得了评估记忆条件中最强的综合结果。它在记忆评估准确性上比最强的控制基线提高了最多 20.5 分，并在分布外的机器人基础计划分数上相对提高了最多 16.6%。
定性两任务机器人部署研究进一步说明了基于记忆的语言计划如何与后续控制接口，而整体结果显示可编辑的、巩固的记忆能够为机器人规划提供记忆上下文。
项目页面：MEMORA
博主点评： MEMORA 的提出为机器人规划引入了具身记忆的概念，强调了记忆在推理过程中的重要性。通过对经验的有效管理，机器人能够更好地理解和应对复杂的环境，具有重要的应用前景。该研究为未来的智能系统设计提供了有力的理论基础和实践指导。