具身智能体长程记忆：看见不等于记住，浙大提出具身记忆基准

浙江大学 OmniAI 团队针对具身智能体难以将过往观察、行动与反馈关联并用于后续任务的痛点，提出覆盖四类任务共 2554 条可执行交互样本的具身记忆评测基准 EMem-Bench，还配套提出外部记忆系统 Embodied-Memorizer 及经微调的 EMem-8B 模型。相关基准发布三周下载量近 3 万次。实验显示当前各类模型的具身记忆相关能力表现不均衡，直接堆砌历史图像反而会降低任务成功率，而 EMem 可大幅提升不同骨干模型的任务表现，三类互补记忆各有对应侧重的能力支撑。目前相关工作仍以仿真环境验证为主，后续将在更长时间跨度、更复杂环境及真实机器人场景中进一步检验相关能力的鲁棒性。