沙丘社区
论文

ME-Brain-1.0：进化的具身智能的记忆、认知和行动

ME-Brain-1.0: Memory, Cognition and Action for Evolving Embodied Intelligence

Wei He, Hengtao Li, Zhongrui Yu, Xuhan Zhu, Maokui He, Zide Liu, Xiyue Zhang, Xianwei Mao, Chunpeng Zhou, Jia Shi, Yanze Xin, Jingwen Li, Jingxie Zheng, Sijie Zeng, Chenfeng Wang, Fan Lu, Zeyu Zhang, Shuai Guo, Hengxuan Zhang, Pengfei Yu, Jia Shi, Yu Liu, Kun Zhan, Yan Xie
智能体系统Agent 架构与控制循环

摘要

当前的具体系统很大程度上依赖于部署后保持固定的预训练功能，限制了它们从物理交互中学习的能力。我们引入了 MachEmbodied-Brain（ME-Brain），这是一个围绕动作执行、经验获取、经验进化和改进执行的闭环组织的自我进化的体现系统。可进化记忆将多模式轨迹整合为分层的、可重用的体验；认知核心将身体经验转化为可转移的技能；动作模型结合了事件驱动的关键帧、EventCell 本地世界预测和动作条件记忆调制，将计算集中在决策关键时刻、区域和历史证据上。这些模块共同将具体智能从训练和冻结转变为部署和演进，而无需模型重新训练。认知核心在体现和代理基准上比最强的比较模型高出 8.2 和 9.6 点。行动模型在 RoboMME 上取得了 47.88% 的平均成功率，比最强基线提高了 3.26 点。在 RoboDojo 上，它达到了 21.51 的平均分数和 16.03% 的成功率，分别超过 $\pi_{0.5}$ 10.10 和 9.12 分。在六任务 ME-RealBench 上，ME-Brain 的平均得分为 69.5，成功率为 66.7%，分别比 DM0.5 高出 12.8 分和 11.7 分。