机器人也得记事： 从 IROS 最佳论文看具身 Memory 竞赛

如果机器人刚把遥控器放进抽屉，几分钟后你让它把遥控器拿来，它面对的第一个难题可能不是“怎么抓”，而是“遥控器在哪里”。当前画面里没有答案，答案只存在于过去。

这正是机器人 Memory 研究的起点：当前感知，并不总能完整描述当前世界。一个能长期工作的机器人，必须让过去参与现在的决策。

刚刚落幕的 IROS 2026，把 Best Paper Award 颁给了 DGIST APRL 的 LT-Mem。它研究的不是一次任务里多塞几帧历史，而是机器人反复回到同一个、却不断变化的环境时，如何记住物体现在在哪里、过去在哪里，以及这个世界通常怎样变化。

图 1｜LT-Mem 获得 IROS 2026 Best Paper Award

把近两年的工作放在一起，变化大致沿着四个问题展开：什么任务真的需要记忆？什么信息值得写入？记忆该以什么形式存在？世界变化后，旧记忆如何被修正？这篇文章试着用一条渐进的线，把 Benchmark、Policy 与长期场景理解串起来。