Bài báo này tập trung vào khả năng của robot trong việc tóm tắt các trải nghiệm dài hạn và trả lời các câu hỏi—tức là khả năng diễn đạt bằng lời trải nghiệm của robot. Trong khi các nghiên cứu trước đây hạn chế khả năng khái quát hóa và khả năng chuyển giao bằng cách áp dụng các hệ thống dựa trên quy tắc hoặc các mô hình sâu được tinh chỉnh cho dữ liệu trải nghiệm ngắn hạn, nghiên cứu này tận dụng một mô hình ngôn ngữ quy mô lớn, được đào tạo trước để diễn đạt bằng lời trải nghiệm trọn đời của robot thông qua phương pháp học không hoặc học vài lần. Nó tạo ra dữ liệu có cấu trúc cây phân cấp từ các bộ nhớ theo giai đoạn (EM), biểu diễn dữ liệu cảm giác và cảm thụ bản thể thô ở cấp độ thấp và các sự kiện trừu tượng bằng các khái niệm ngôn ngữ tự nhiên ở cấp độ cao. Mô hình ngôn ngữ quy mô lớn hoạt động như một tác nhân để khám phá EM một cách tương tác dựa trên các truy vấn của người dùng, mở rộng các nút cây một cách động để tìm thông tin có liên quan. Cách tiếp cận này duy trì chi phí tính toán thấp ngay cả với dữ liệu trải nghiệm của robot trong nhiều tháng. Chúng tôi đánh giá tính linh hoạt và khả năng mở rộng của phương pháp của mình bằng cách sử dụng dữ liệu robot mô phỏng tại nhà, video quan điểm của con người và các bản ghi robot trong thế giới thực.
