Ledger从第一人称视频构建持久三维物体记忆

Shravan Chaudhari等提出具身助手方法Ledger，从第一人称视频关联并持续保存物体位置、历史和上下文描述，即使物体离开视野或从未被触摸，也能保留相关记录；方法按静止位置聚类观测，仅在重复证据支持时记录移动，以减轻定位噪声。 基于论文摘要，Ledger将HD-EPIC准确率从29.7%提升至42.6%，UCS-Bench从33.8%提升至38.5%，对返回的Ego4D物体预测定位中位误差为0.99米。在由多个场景拼接的100条视频流上，该研究也暴露出记忆检索和构建方面的失败。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。