DialogMem：评测三维环境中对话驱动的具身记忆

论文提出DialogMem基准，包含27个真实3D场景、142个片段，用于评测具身智能体整合视觉观察与人类对话的记忆能力。 基准涵盖14,193个问答对和11,890条导航指令，在统一框架内评估9种记忆表征。实验表明，在评测时添加对话显著提升问答表现，但对导航收益甚微。 研究指出对话接地、条目检索与空间定位是具身记忆的三大瓶颈。