RoboMME-Interference：干扰条件下的机器人记忆基准评测

arXiv:2606.22338v4 公告类型：替换并交叉列入 摘要：部署在真实环境中的机器人会在部署期间跨多个会话和任务积累经验。机器人的任务可能经常要求其记住多个会话之前的信息，因此，长上下文机器人记忆对于现实世界中的部署十分重要。然而，目前大多数机器人记忆基准都基于单个回合或较短的上下文。为了衡量当前机器人记忆系统在更长、干扰更多的会话中的表现，我们推出了 RoboMME-Interference，这是一个基于 RoboMME（Dai 等，2026）构建的跨会话基准。对于每个查询回合，我们使用与该查询相关的先前演示，并在其后接入数量可控的无关会话，构建会话历史，将其作为记忆提供给 VLA，并测量准确率。我们将 RoboMME 已发布的记忆增强型 $\pi_{0.5}$ 变体不加修改地用于这一基准，发现感知记忆变体在获得不含任何干扰项的历史时能够提高成功率，但随着无关会话的累积，其成功率会持续大幅下降。子目标变体使用视觉语言模型读取历史，并将文字形式的子目标传递给策略；这类变体在最佳情况下的提升幅度较小，但随着干扰项累积，能够保留更多的提升效果。我们为表现最强的感知记忆变体添加了检索步骤：从历史中选取与机器人当前视图在视觉上最相似的片段，并仅将该片段传递给策略。这使其在所有干扰水平下都恢复到了无干扰项时的成功率。通过此次发布，我们强调了长上下文记忆和抗干扰鲁棒性的重要性，并表明当前系统在这些能力上普遍表现不佳。项目主页、视频、代码和数据见 https://robotmemorybench.com。