跳到正文
arXiv · 机器人与计算机视觉· Linfeng Dong, Jianwei Niu, Jiuyi Zhao, Ruibing Feng, Xinghao Wu, Wu Yang, Shuai Tao, Wulong Liu, Mu Li·· 4 小时前精选AI 评分85

ActMem:从潜在记忆推理到 grounded 机器人动作

ActMem: From Latent Memory Reasoning to Grounded Robotic Action

AI 导读

论文提出 ActMem 框架,通过解耦记忆推理与感知 grounding,在单一大模型中实现长时序操作任务的高效推理。该方法在 RoboMemArena 上达到 71.1% 的任务成功率,在 MIKASA-Robo 上平均成功率为 73.8%,并在真实世界外生、内生及无痕记忆任务上表现优于现有最强基线。代码与检查点即将发布。

推荐理由

ActMem 框架将记忆推理与感知解耦,在 RoboMemArena 等基准上超越最强基线,代码与检查点即将开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org