arXiv · cs.AI· Tianxing Chen, Yuran Wang, Mingleyang Li, Yan Qin, Hao Shi, Zixuan Li, Yifan Hu, Yingsheng Zhang, Kaixuan Wang, Yue Chen, Hongcheng Wang, Junjie Wang, Tianhang Yang, Renjing Xu, Ruihai Wu, Yao Mu, Yaodong Yang, Hao Dong, Ping Luo·· 1 天前
RMBench：记忆依赖型机器人操作基准及策略设计洞察
RMBench: Memory-Dependent Robotic Manipulation Benchmark with Insights into Policy Design
arXiv:2603.01229v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Tianxing Chen, Yuran Wang, Mingleyang Li, Yan Qin, Hao Shi, Zixuan Li, Yifan Hu, Yingsheng Zhang, Kaixuan Wang, Yue Chen, Hongcheng Wang, Junjie Wang, Tianhang Yang, Renjing Xu, Ruihai Wu, Yao Mu, Yaodong Yang, Hao Dong, Ping Luo
研究任务与主要进展
作者提出 RMBench，一个包含9项不同记忆复杂度机器人操作任务的模拟基准，并提出带显式记忆组件的模块化策略 Mem-0，用于评估记忆能力和开展受控消融。基于论文摘要，研究通过模拟与真实世界实验分析了现有策略的记忆限制及架构设计影响，项目网站为 https://rmbench.github.io/。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org