SPARK：通过物理重观测自我修正的具身记忆框架

SPARK 是一个面向具身 RAG 的多回合纠错框架：首回合结束后，语义批评器标记知识库中存疑区域，定向规划器生成重访路线，选择性合并再依据新观测增删或替换知识库信息。作者在四张户外 AirSim 地图、两种退化视角条件下，用感知构建的知识库和仅用于评估的可见性约束 oracle，对固定的 158 道具身问答（EQA）题在修正前后打分。单次纠错回合在两种条件下均提升每张地图的下游 EQA，且比仅追加式更新少存 13-41% 的物体，其中一组地图与条件组合的增益达 2.7 倍；将纠错延续到第 4 回合后，所有地图的 EQA 表现均超过其未退化参考。