MemCompiler：依据当前执行状态将记忆编译为具身任务指导

具身智能体的现有记忆系统通常在一次任务开始时，把检索记忆作为静态上下文整体注入，论文称其为提前整体记忆注入 AMMI。静态设计容易与后续变化的执行状态错配，甚至使轻量执行模型表现低于无记忆基线。MemCompiler 将记忆使用改为根据当前状态进行编译：学习到的记忆编译器读取描述当前执行状态的结构化简要状态，动态筛选相关记忆，编译为可执行指导。指导通过文本通道和潜在 Soft-Mem 通道传递，后者保留难以用文本表达的感知信息。在 ALFWorld、EmbodiedBench 和 ScienceWorld 上，方法在开放主干模型中均优于无记忆基线，最高提升129%，达到或接近前沿闭源系统，每步延迟减少60%。结果表明，依据状态编译记忆可同时改善效果与效率。