研究人员开发了LT-Mem，一个旨在解决动态环境中机器人“时间遗忘症”的新型框架。该系统通过整合3D感知和易变性条件下的时序推理，使机器人在重复访问时能够保持对物体的理解。LT-Mem利用多会话SLAM骨干和控制记忆演化的推理层，通过三记忆结构保存跨会话的对象身份和事件历史。该框架还包括LT-VQA，一个新数据集和评估套件，实验证明其性能和效率优于现有方法。 AI
影响 使机器人在不断变化的环境中能够保持长期的物体记忆，提高其回答历史查询的能力。
排序理由 该集群描述了一篇详细介绍机器人新框架的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Long-term robot operation in evolving environments requires object-level understanding that persists across repeated revisits. Existing systems either overwrite history to maintain an up-to-date map or store semantic snapshots without consistent cross-session object identity, res…
arXiv:2608.19059v1 Announce Type: cross Abstract: Long-term robot operation in evolving environments requires object-level understanding that persists across repeated revisits. Existing systems either overwrite history to maintain an up-to-date map or store semantic snapshots wit…