提出基于程序性辅助记忆的主动机器人智能体框架

2026年10月16日，arXiv Robotics 报道，Dohyun Lee 等作者提出并评估一种基于程序性辅助记忆（PAM）的主动机器人智能体框架。该框架中，VLM 任务预测器结合 PAM 与当前观测，判断何时提供帮助及执行何种任务，再由 VLA 执行器完成预测任务；PAM 以有限状态机组织活动阶段、各状态辅助规则和事件驱动转移，反思 VLM 可依据每日交互轨迹修订 PAM，无需权重更新或重训练。在为期5天的桌面辅助评估中，无记忆基线在主动任务上表现保守、召回有限；该系统随经验积累持续提升，取得最高的精确率、召回率和 F1，并将首次触发延迟从第1天约5秒降至第5天1秒。该方法还能通过持续记忆反思适应用户作息变化，在一次记忆更新后即可从记忆与作息错位中恢复。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。