综述论文梳理具身智能体记忆机制：六类需求与八类架构
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载记忆为何被单独提出
论文的出发点是：生成式基础模型让具身智能在导航、操作和长程任务执行上更为通用，但仅有强感知与推理并不足以应对动态环境。智能体必须在信息不完整时行动，同时把过去的观察、动作和经验留存下来，在需要时取回并更新。作者由此把具身记忆界定为一种机制——让对决策有用的信息在当次观察之外继续存在。这一界定把记忆从模型能力的附属项提升为可单独讨论的研究对象，也为后续按需求与架构两个维度展开分类提供了前提。
六项需求与八类架构
分类的第一维是六项基本记忆需求，覆盖世界状态能否持续、任务进度是否被跟踪、信念在环境变化中能否维持，以及从经验中学习等方面。第二维是八类架构，包括循环状态、快速权重、视觉表征与符号表征、空间记忆，以及基于经验的系统等。论文对每一类分别讨论其能力边界与局限，而不是只做罗列。两个维度交叉，读者可以据此判断某一类架构适合承载哪一类记忆需求，以及它在哪些需求上存在明显短板。
基准能否测出真记忆
论文专门考察现有基准对依赖记忆的行为的评估方式，核心问题是：任务得分高，是否等于智能体真的调用了历史信息。作者试图把「真正使用历史信息」与「一般任务表现」区分开，因为后者可能由当前观察下的强感知或强推理达成，未必涉及记忆。这一部分对做评测的读者尤为关键：若基准无法隔离记忆的贡献，架构之间的比较就难以说明问题。
尚未解决的问题
论文最后列出若干开放挑战：如何从大量过往经历中选出与当前决策相关的那部分；在环境持续变化时如何维持前后一致的信念；以及如何把跨回合获得的知识整合起来。这些问题指向同一个目标——把记忆视为可靠、可适应、可覆盖长期时程的具身智能的必要组成部分。论文的定位是提供一个理解框架，而非提出新模型或新基准。
为什么值得看
把「记忆」从感知与推理中单列出来做分类学梳理，并追问基准是否真在测记忆，对做具身智能体与长程任务的研究者有直接参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。