Roboterna blir smartare, men de lider fortfarande av en allvarlig form av minnesförlust. Medan moderna vision-språkmodeller kan se och reagera i stunden, har de svårt att minnas vad som hände igår eller planera för nästa vecka. Bristen på långtidsminne är den flaskhals som hindrar robotar från att hantera komplexa, verkliga uppgifter som kräver tålamod och kontextförståelse.

Forskarna har presenterat ABot-AgentOS, ett nytt operativsystemslager designat för att ge robotar ihållande minne och förmåga till resonemang. Det placerar sig ovanpå grundläggande rörelsekontroller och fungerar som ett deliberativt hjärna. Systemet hanterar planering, verifierar handlingar och använder ett unikt universellt multimodalt grafminne. Detta minnessystem omvandlar allt roboten ser, hör och gör till en strukturerad graf av noder och kanter. Den spårar dialog, visuella observationer, rumslig kontext och tid, vilket skapar en detaljerad historik som roboten kan använda för att förbättra framtida prestationer.

Systemet inkluderar en självutvecklande loop som lär sig av sina misstag. När roboten misslyckas diagnostiserar systemet felet och skapar en lärandetillgång. Avgörande nog är denna förbättring låst, vilket innebär att den endast tillämpas på framtida uppgifter. Detta förhindrar att roboten fuskar genom att använda svar från den aktuella testuppsättningen, vilket säkerställer att inlärningen är äkta och utvärderingen ärlig. För att testa detta skapade forskarteamet EmbodiedWorldBench, en benchmark med över 200 uppgifter inomhus-, utomhus- och hybridmiljöer, som täcker allt från objektsökning till dynamiska händelser.

Resultaten visar att detta allmänna agentlager förbättrar prestandan avsevärt. ABot-AgentOS slår enkelt baslinjer med enbart en kontrollare, både när det gäller uppgiftsframgång och målerfullbordande. Det sätter också nya standarder på minnesbenchmarkar och uppnår höga betyg på tester som LoCoMo och Mem-Gallery. Funktionen för självutveckling driver ytterligare upp dessa siffror, vilket bevisar att robotar verkligen kan förbättras över tid. Denna forskning tyder på att ge robotar ett strukturerat, granskbart minne är nyckeln till att låsa upp långsiktig autonomi.