MOST记忆框架发布，长程移动操作成功率提升

Diqi He等作者提出MOST策略内部记忆框架，并发布RoboCasa-Long基准。MOST将多视角观测压缩为时间token，用物体状态和子任务进度显式监督历史与预测的未来token，使记忆直接参与单一端到端策略的动作生成，无需外部规划器或检索阶段。 作者称，在RoboCasa365、RoboCasa-Long和真实机器人实验中，MOST均优于此前最优模型Xiaomi-Robotics-1（XR-1）：RoboCasa365平均成功率从65.9%升至72.1%，RoboCasa-Long平均最大任务进度从20.83%升至42.22%，真实机器人成功率从6.66%升至43.33%。RoboCasa-Long基准包含多分钟、多阶段的移动操作任务。 上述结果来自arXiv预印本，尚未经同行评议，真实机器人实验的规模与独立验证情况未在报道中给出。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。