<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
  <channel>
    <title>机器人 - Tag - leoleils-blog</title>
    <link>https://leoleils.top/tags/%E6%9C%BA%E5%99%A8%E4%BA%BA/</link>
    <description>机器人 - Tag - leoleils-blog</description>
    <generator>Hugo -- gohugo.io</generator><language>zh-cn</language><lastBuildDate>Thu, 26 Mar 2026 12:00:00 &#43;0800</lastBuildDate><atom:link href="https://leoleils.top/tags/%E6%9C%BA%E5%99%A8%E4%BA%BA/" rel="self" type="application/rss+xml" /><item>
  <title>Chameleon: 场景记忆赋能机器人长程操作 | AI 论文深潜</title>
  <link>https://leoleils.top/posts/ai-paper/paper-2026-03-26-chameleon-episodic-memory-for-long-horizon-robotic/</link>
  <pubDate>Thu, 26 Mar 2026 12:00:00 &#43;0800</pubDate>
  <author>Author</author>
  <guid>https://leoleils.top/posts/ai-paper/paper-2026-03-26-chameleon-episodic-memory-for-long-horizon-robotic/</guid>
  <description><![CDATA[AI 论文深潜 — 每天中午 12 点，深度解读一篇 AI 前沿论文。技术深度偏架构/算法/实验，目标读者为 AI 研究人员、深度学习工程师、技术决策者。
📖 论文基本信息 项目 内容 标题 Chameleon: Episodic Memory for Long-Horizon Robotic Manipulation 作者 Xinying Guo, Chenxi Jiang, Hyun Bin Kim, Ying Sun, Yang Xiao, et al. 机构 待确认（多机构合作） 发布时间 2026-03-25 arXiv 编号 2603.24576v1 PDF 下载 点击下载 项目主页 待发布 代码仓库 待开源 💡 一句话总结 Chameleon 通过引入情景记忆（Episodic Memory）机制，使机器人能够在长程操作任务中记住历史状态和动作序列，解决视觉混淆导致的非马尔可夫决策问题，在复杂多阶段任务中成功率提升 35%。
🎯 研究背景 核心问题：为什么机器人需要&quot;记忆&quot;？ 现有的视觉 - 语言 - 动作（VLA）模型（如 OpenVLA、RT-2、π-0.5）在桌面级短程操作上表现出色，但它们大多是**马尔可夫式（Markovian）**的——决策仅依赖于当前观测。
问题场景：
1 2 3 任务：&#34;去厨房把微波炉关上，然后把杯子放进水槽&#34; 步骤 1: 打开微波炉门 → 步骤 2: 关闭微波炉门 → 步骤 3: 拿起杯子 → 步骤 4: 放入水槽 在步骤 2 时，机器人看到的画面（微波炉门半开）与步骤 1 时视觉上极度相似——除非它记得几秒钟前自己的手是&quot;往外拉&quot;还是&quot;往里推&quot;，否则无法判断当前应该执行哪个动作。]]></description>
</item>
</channel>
</rss>
