具身基座模型（VLA、世界模型）这两年进取很快。但只有工作一长、场景一复杂，一个很现实的问题就会立刻出现：机械人好多时辰不是「不会做」，而是「记不住」。好比： 柜子之前有没有打开过？物体被遮挡之前放到了哪里？某个沉复作为已经执行了几次？人类刚才示范过的挨次到底是什么？ 这些都不是只看当前一帧图像就能解决的问题。也正由于如此，我们越来越感触：现有好多机械人 benchmark 固然在操作上已经很丰硕，但对 memory-dependent long-horizon manipulation 的刻画还远远不够。 因而，香港科技大学（昭通）结合清华大学、浙江大学、西湖大学、上海交通大学等多所顶尖高校与科研机构共同打造了具身智能领域首个聚焦「机械人影象能力」的系统性评测基准RoboMemArena，旨在添补持久以来机械人在长时程工作与汗青状态影象评估上的空缺。 该基准突破传统机械人 Benchmark 仅关注短期感知与即季节造的局限，构建了涵盖物体转移、指标遮挡、作为计数与挨次执行四大主题影象场景的综合评测系统，共蕴含 26 项长时程工作、151 个细粒度子工作以及 2600 条专家演示轨迹。同时配套复杂的真机测评和 leaderboard，支持表部单元手动上传模型进行真机评测，为具身智能系统在持久规划、世界状态理解与动态决策方面提供了更靠近真实世界的统一评测尺度。 有些工作看起来很长，但其实当前观察就足够决策；有些 benchmark 有长程执行，却没有为 memory formation 提供直接监督；还有一些工作只停顿在 simulation，没有配套的真实机械人验证。 RoboMemArena 想补上的，正是这块空缺。它不是单一做更多工作，而是试图把「机械人到底什么时辰必须依缆氟史信息」这件事，系统化地组织起来。 这是我们最看沉的一点。好多 memory benchmark 只能通知你最终成功还是失败，但若是模型真的要学会「记住从前」，它必要的往往不只是最终标签。 subtask-level annotations：把长程轨迹拆成可执杏注可理解的子工作；native keyframe annotations：显式象征那些真正沉要的物理状态转折；与轨迹对应的视觉观测、作为和机械人状态。 也就是说，我们不仅通知模型「这个工作要实现」，还尽量通知它「汗青里哪些瞬间值得记住」。这也是 RoboMemArena 融洽多已有 benchmark 极度分歧的处所。 若是一个 memory 步骤只能在 simulation 里有效，那它距离真正的 embodied system 还是有一段距离。所以在 RoboMemArena 里，我们不仅做了仿真 benchmark，还配套设计了5 个真实机械人 memory 工作： 我们不仅愿 RoboMemArena 只是一个「写论文用的 benchmark」，也但愿它能被后来者真正拿来训练、复现和比力。所以在盛开资源上，我们尽量把入口做齐全： 开源26 个工作的高质量训练数据，并带有子工作、关键帧、HDF5 轨迹结构等丰硕标注；提供26 个 BDDL 工作界说、LIBERO-compatible evaluation environment，以及与mujoco + robosuite + OpenGL/EGL兼容的评测蹊径；盛开PrediMem有关训练与评测实现入口，并已经系统跑出π0.5、MemoryVLA、MemER、HiF-VLA等代表性 baseline。 若是再细看四类工作，PrediMem 在Transferring、Occlusion、Counting、Sequence上都拿到了最好的均匀了局，其中在最依缆氟史状态维持的Sequence上达到72.5% TSR / 89.5% CSR，在Occlusion和Counting这两类 memory-demand 最强的设置里也显著拉开了和 baseline 的差距。 更沉要的是，在最长、最复杂、最依缆氟史信息的IHMB上，只有 PrediMem 成功。并且从消融尝试也能看到，无论去掉predictive coding head还是拿掉keyframe bank，整体阐发城市显著降落。 这注明 PrediMem 的优势并不来自单纯「模型更大」，而是确事反自对汗青信息组织方式的改进。这也注明 memory 不是一个「锦上添花」的幼？，而是长程机械人执行里决定工作能不能贯通的主题能力。