EmbodiedMemory-Bench：用长期交互检验具身智能的记忆能力

导语

具身智能的难点不只是“看见并行动”，还在于能否把过去经历转化为之后可用的知识。对于需要长时间探索、反复操作并面对环境变化的任务，智能体必须记住细节，判断物体和场景状态是否发生变化，还要理解一次行动带来的结果。现有评测往往更关注单次任务成功率，难以回答智能体究竟有没有形成可靠、可更新的世界记忆。

一个面向具身记忆的专门基准

浙江大学 ZJU-OmniAI 团队提出 EmbodiedMemory-Bench，即 EMem-Bench，试图补上这一评测空缺。基准包含 2,554 个可执行交互回合，覆盖四类记忆挑战：

• 细粒度视觉记忆：保留环境中的局部视觉信息，而非只形成笼统印象；
• 动态世界状态跟踪：随着观察和行动持续更新物体、位置及场景状态；
• 从交互结果中学习：记录行动成功、失败或产生变化后揭示出的环境信息；
• 经验泛化：把先前任务中的经验迁移到后续决策，而不是每次从零开始。

任务设置的关键在于分离“建立记忆”和“使用记忆”两个阶段。智能体需要先通过一段交互历史收集信息并形成记忆，之后在新的任务中调用这些信息、执行动作并完成目标。这比单纯把更长的观察历史输入模型，更接近真实机器人在持续环境中的工作方式。

结构化记忆，而非简单堆叠历史

论文还提出 Embodied-Memorizer（EMem），一种外部记忆系统。它将具身经验组织为空间记忆、事件记忆和场景记忆，分别服务于位置关系、行动及其结果、整体环境语境等信息。这样的划分意在降低长期历史中的信息冗余，让模型能够按照任务需要检索不同类型的内容。

在此基础上，研究团队训练了 EMem-8B，一个用于管理和使用这些记忆的 8B 策略模型。作者还评估了多种开源与闭源多模态大模型，以及具有代表性的多模态记忆系统。结果显示，当前模型在四项能力上的表现仍然较弱且不均衡；在骨干模型匹配的条件下，EMem 在所比较的记忆系统中取得最佳总体表现，并能改善开源和闭源模型的效果。EMem-8B 也进一步超过了其基础模型。

意义与影响

EMem-Bench 的价值不只在于新增一个数据集，更在于把“记忆”拆解为可观察、可比较的具身能力。它提示研究者，扩大上下文窗口或保存更多历史，并不等于真正掌握了世界状态；记忆还必须具备更新、关联行动结果和迁移经验的能力。

对于后续研究，这一基准可用于比较不同外部记忆架构、训练策略和智能体规划方法，也有助于推动模型从被动读取历史，转向维护一个持续演化的环境表示。由于素材未提供各任务的具体分数和实验细节，当前更适合将其视为评测框架与系统设计方向，而不是对某一模型能力的全面定论。

来源：Hugging Face Daily Papers