斯坦福 MessyMem:移动机器人长时程记忆,3小时25任务达80%进度
leto__jean · x · 2026-09-17
斯坦福团队发布 MessyMem,一个面向移动操作机器人的持久记忆系统,已被 CoRL 2026 接收。核心思路是让机器人从反复作业中「边做边学」,把经验沉淀下来供后续任务复用,而不是每次从零探索。
- 架构:维护一个可全局查询、空间锚定的 3D 场景图;通过交互(发现柜子锁了、在某抽屉找到物品)持续更新物体属性与结果;并链接关键帧图像实现细粒度回溯检索。
- 消融实验:缺少关键帧时杂乱抓取任务仅 58%,缺少交互分析时锁柜任务仅 43%;场景图+交互+关键帧三者结合分别达 84% 和 99%。
- 主结果:在跨 3 小时以上的连续 25 任务仿真中取得 80.0% 任务进度,比最强消融版高 14.8 个百分点,比最强外部基线高 28.9 个百分点;能在数千个关键帧中检索到 1 小时前的任务相关证据。
仿真与真实移动操作臂上均有验证。
所属事件:斯坦福 MessyMem 让机器人边做边学，已被 CoRL 2026 接收(3 条相关)→
「具身」频道最新
- 中国发布全球首个 AI 脑机接口医疗器械标准，2027 年 9 月生效 — CurieuxExplorer · 2026-09-17
- Scoble 力挺 Snap Specs:敢烧钱造 AR 眼镜的人值得掌声 — Scobleizer · 2026-09-17
- 博主预测 Figure 9 月展示的突破是机器人快速学新任务 — imjustnewatai · 2026-09-17
- NVIDIA SOMA Retargeter 升级:新增 Robot Configurator 助力人形机器人动作迁移 — RubenEVillegas · 2026-09-17
- GPT-6 Astra 玩机器人有两条路线:直出动作或当智能体调度 — YuXiang_IRVL · 2026-09-17
- 长文：具身AI未逃引力，十年前协作机器人商业模式已验证会失败 — yongqianme · 2026-09-17