先了解这件事
2026年3月3日,Physical Intelligence发布Multi-Scale Embodied Memory(MEM)机器人记忆系统。该系统为模型同时提供短期视觉记忆和长期语义记忆:短期记忆用高效视频编码器记住近期交互的细节,长期记忆则让模型用文本总结事件,最长可记住15分钟的内容。据发布信息,该记忆系统使机器人能够完成清理整个厨房、按食谱备料等多阶段真实任务,并展现出从过去错误中即时调整行为的上下文适应迹象。
AI 根据公开报道生成
最新进展 · 正式报道
Physical Intelligence 为机器人模型推出 MEM 记忆系统事件进展
1 个已确认进展
- 来源：Physical Intelligence
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
3月4日
Physical Intelligence一手
Physical Intelligence 为机器人模型推出 MEM 记忆系统
我们为模型开发了一套记忆系统，同时提供短期视觉记忆和长期语义记忆。 我们的方法让我们能够训练机器人执行长时间、复杂的任务，比如清理厨房或从头制作烤奶酪三明治 👇 没有记忆，机器人在许多真实场景中会陷入困境，比如反复犯同样的错误、卡住或失去时间感。 但我们不能直接把几分钟甚至几小时的视频塞进模型的上下文——那很快就会变得不可处理。 为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态在不同时间尺度上表示记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。 借助 MEM，我们的模型可以在真实世界中执行真正的多阶段任务，比如清理整个厨房或准备食谱所需的食材。视频展示了机器人如何用文本跟踪长时程记忆。 除了解决新任务，记忆还让我们的策略更加鲁棒：我们展示了上下文适应的早期迹象，机器人通过从过去的错误中学习，实时调整自己的行为。 更多内容，请查看 我们的论文：https://t.co/xQLvOwko0m 我们的博客文章：https://t.co/tjJO4D6MYP
Physical Intelligence一手精选
Physical Intelligence 提出 MEM 多尺度具身记忆系统
Physical Intelligence 开发了 Multi-Scale Embodied Memory（MEM）记忆系统，为模型同时提供短期视觉记忆和长期语义记忆。短期记忆用高效视频编码器记住近期交互的细节，长期记忆则让模型用文本总结事件，最长可记住 15 分钟的内容。该记忆系统让机器人能完成清理整个厨房、按食谱备料等多阶段真实任务，并展现出从过去错误中即时调整行为的上下文适应迹象。
Physical Intelligence一手
Physical Intelligence：记忆让机器人策略更鲁棒
除了解决新任务，记忆还让我们的策略更加鲁棒：我们展示了上下文内适应的早期迹象，机器人通过从过去的错误中学习，实时调整自己的行为。
Physical Intelligence一手
Physical Intelligence 为机器人模型开发记忆系统 MEM
没有记忆，机器人在许多真实场景中会陷入困境，比如反复以同样的方式失败、卡住或失去时间感。 但我们不能只是把几分钟甚至几小时的视频塞进模型的上下文——那很快就会变得难以处理。 https://t.co/VwgdCwaMiN
Physical Intelligence一手
Physical Intelligence 推出多尺度具身记忆 MEM
为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态表示不同时间尺度上的记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型能记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。
Physical Intelligence一手
Physical Intelligence 提出多尺度具身记忆 MEM，让机器人记住 15 分钟事件
Physical Intelligence 为自家模型开发了多尺度具身记忆系统 MEM，用不同模态表示不同时间尺度的记忆。短期记忆由高效视频编码器保留近期交互的细粒度细节，长期记忆则通过训练模型用文本总结事件，最长可记住 15 分钟。该系统让机器人能完成清理整个厨房、从头准备烤奶酪三明治等多阶段真实任务，并展现出从过往错误中即时调整行为的上下文适应迹象。