CMU团队等！机器人记忆新架构：物体中心状态建模，实现长时序操作！

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Nhat Chung等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 针对机器人在非马尔可夫场景下缺乏对象级记忆的问题，阿肯色大学联合卡内基梅隆大学等研究团队提出LIBERO-Mem基准套件与Embodied-SlotSSM模型，通过 结构化对象记忆与时间序列建模，实现长时程、部分可观测环境下的稳健操作决策。 核心贡献 LIBERO-Mem基准：非马尔可夫机器人操作评估 设计目标 聚焦对象级部分可观测-非马尔可夫场景，通过引入对象身份、位置、关系历史的模糊性，强制模型依赖时间推理而非仅当前视觉信息。 核心特征 任务类型：包含四类任务（figure 1），覆盖不同记忆维度 现实机器人操作场景中，任务成功依赖对象交互历史（如"是否已操作过某个物体""物体之前的位置"），而非仅当前观测。 现有视觉-语言-动作模型多遵循马尔可夫假设，仅依赖即时感官输入，缺乏对象级记忆机制，在重复操作、视觉相似 ...