WholeBodyMem 技术显著提升人形机器人操作成功率

arXiv 最新论文（cs.lg）发布了一组关于人形机器人 loco-manipulation 的新结果，标题即 WholeBodyMem 提升人形机器人 loco-manipulation 成功率。作者指出，动态环境中的非马尔可夫性常导致机器人在连续操作中丢失关键目标信息，从而拉低成功率。 为解决问题，团队提出 WholeBodyMem，引入目标引导的感知记忆。实现上，系统用 SAM3 跟踪当前操作目标，并基于因果筛选原则挑出对后续动作最相关的关键帧，再通过交叉注意力把这些帧编码进决策过程，以提升跨时间步的一致性与效率。 在基准评测中，作者把该机制集成到 Unitree G1 上完成真实任务。早先该任务的成功率约为 36.7%，使用 WholeBodyMem 后提升到 88.3%，被作者描述为显著增益。目前该结论来自该篇 arXiv 报告的实验数据，尚未见外部复现或独立第三方验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。