具身记忆综述以需求与架构分析历史信息如何影响行动

生成式基础模型的最新进展扩展了具身人工智能的能力，实现了日益通用的导航、操作和长时序任务执行。然而，与动态环境的有效交互需要的不仅仅是强大的感知和推理：智能体必须根据部分知识采取行动，并保留、检索和更新来自过去观察、行动和经验的信息。本综述研究了具身记忆作为一种机制，用于保存当前观察之外的决策相关信息。我们沿着两个互补的维度组织现有的方法：六个基本记忆要求，涵盖世界状态持久性、任务进展、信念维持和经验学习；以及八个架构类别，包括循环状态、快速权重、视觉和符号表示、空间记忆和基于经验的系统。我们分析它们的功能和局限性，并检查现有基准如何评估依赖记忆的行为，区分历史信息的真实使用和一般任务性能。最后，我们确定了在选择相关经验、在不断变化的环境中保持一致的信念以及巩固跨回合的知识方面存在的开放挑战。我们的分析提供了一个框架，用于理解记忆是实现可靠、具备适应性并能长期持续运行的具身智能的重要组成部分。