RM-WAM：可靠记忆增强世界动作模型

2026年10月16日，arXiv Robotics 出现一篇由 Cui Miao 等作者提交的论文预印本，提出 RM-WAM，一种面向长时程机器人操作的可靠记忆增强世界动作模型。据该报道，RM-WAM 用短期视觉状态记忆与潜在事件记忆表示历史，并通过反事实记忆学习让模型估计历史记忆的情境相关效用，再由效用感知门控机制自适应控制记忆注入世界-动作主干。该方法针对长时程任务中视觉相似状态对应不同交互历史的问题，避免直接引入历史观测带来的过时、阶段错配或错误污染信息。论文称，可靠且选择性地利用记忆对长时程任务至关重要，并将记忆视为依赖情境的预测资源而非普遍有用的历史上下文。目前该事件仅有这一篇报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

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。