機器人也得記事： 從 IROS 最佳論文看具身 Memory 競賽

如果機器人剛把遙控器放進抽屜，幾分鐘後你讓它把遙控器拿來，它面對的第一個難題可能不是“怎麼抓”，而是“遙控器在哪裡”。當前畫面裡沒有答案，答案只存在於過去。

這正是機器人 Memory 研究的起點：當前感知，並不總能完整描述當前世界。一個能長期工作的機器人，必須讓過去參與現在的決策。

剛剛落幕的 IROS 2026，把 Best Paper Award 頒給了 DGIST APRL 的 LT-Mem。它研究的不是一次任務裡多塞幾幀歷史，而是機器人反覆回到同一個、卻不斷變化的環境時，如何記住物體現在在哪裡、過去在哪裡，以及這個世界通常怎樣變化。

圖 1｜LT-Mem 獲得 IROS 2026 Best Paper Award

把近兩年的工作放在一起，變化大致沿著四個問題展開：什麼任務真的需要記憶？什麼資訊值得寫入？記憶該以什麼形式存在？世界變化後，舊記憶如何被修正？這篇文章試著用一條漸進的線，把 Benchmark、Policy 與長期場景理解串起來。