Embodied AI Memory Compression VLM Long-Horizon Planning
摘要

随着智能体从任务执行者向人类用户的决策代理转变,其需在长期视野下积累证据并解读隐性偏好。本文提出DunphyBench基准,评估智能体在具身环境中的长程人类中心决策能力。诊断发现当前视觉语言模型(VLM)智能体的主要瓶颈在于原始多模态历史引入噪声。为此,我们设计了MeMento,一种基于偏好的多模态记忆压缩器,利用固定数量的记忆令牌选择性压缩与决策相关的历史信息。实验表明,该方法使VLM智能体准确率提升7.18%,同时内存使用减少85.38%。

AI 推荐理由

论文核心贡献是提出多模态记忆压缩机制,直接解决长程决策中的记忆瓶颈问题。

研究机构
University of Illinois Urbana-Champaign Northwestern University
论文信息
作者 Bingxuan Li, Rui Yang, Cheng Qian, Jiateng Liu, Jeonghwan Kim et al.
发布日期 2026-08-02
arXiv ID 2608.01456
相关性评分 9/10 (高度相关)