MIT 新系统让机器人知道自己看错了，记忆准确率提升 5%
MIT News AI · rss · 2026-11-05
MIT 研究者提出 UQ-DAAAM(Uncertainty Quantification for Describe Anything, Anywhere, at Any Moment)系统，用于发现并修正机器人记忆中错误标注的物体描述。背景是此前的 DAAAM 系统：用视觉语言模型(VLM)为机器人环境中的物体生成丰富描述并存入 3D 地图，但机器人可能因远距离、遮挡或模糊图像而记错物体(如把烟囱认成松鼠)，错误记忆会一直影响下游任务。
工作原理：
- 比较同一物体在不同视角下的多个描述，融合 VLM 置信度与跨视角一致性，量化机器人对该物体理解的不确定性；
- 不确定性超阈值时，用启发式规则挑选最能降低不确定性的额外视角(数学上证明无需重跑 VLM 即可选出最佳帧，大幅降低计算量)；
- 再用 LLM 融合多条描述，加权新caption和歧义更小的描述，生成更准确的记忆条目，并支持移动机器人实时持续更新。
效果：仅需每个物体额外两条描述，即可解决约 92% 物体的描述歧义，物体描述准确率较 SOTA 提升 5%，对物体位置与出现时间等问答也更准确。
研究由 Luca Carlone(资深作者)、研究生 Harry Zhang 和 Nicolas Gorlo 完成，将在 NeurIPS 上发表。团队计划将该系统用于移动机械臂，并研究主动 revisit 高不确定性区域、以及对环境未来状态预测做不确定性量化。Carlone 强调：与 ChatGPT 加免责声明不同，物理 AI 必须让机器人“知道自己不知道什么”才能安全部署。
「具身」频道最新
- uni-robot-agent 让 Qwen 在仿真与真机上都能干活,OpenRUA 系列启动 — teortaxesTex · 2026-11-05
- DJI Mini 5 Pro 不支持飞行眼镜，玩家用一根线接出 146 寸虚拟屏 — Scobleizer · 2026-11-05
- ODE Policy 让机器人学「动作如何演化」，成功率提升至 5.9 倍 — micoolcho · 2026-11-05
- 机器人基准测试被指脱离现实：没人为每台机器人配万元级 GPU — AIFlow_ML · 2026-11-05
- 两位哈佛工程师打造实时翻译对话的 Mira AI 眼镜获投资人加持 — Scobleizer · 2026-11-05
- 创业者观点:机器人领域进展慢,根在缺真实场景基准 — DJiafei · 2026-11-05