RoboMemoryは、物理的な実装システムの生涯学習のための脳に触発されたマルチメモリフレームワークです。実世界環境の継続的な学習、マルチモジュールメモリの遅延時間、作業相関の捕捉、閉ループ計画における無限ループ緩和などの重要な課題に対処します。認知神経科学に基づいて、情報前処理器（視床様）、生涯実装メモリシステム（海馬様）、閉ループ計画モジュール（前前頭葉様）、低レベルランチャー（小脳様）の4つのコアモジュールを統合し、長期計画と累積学習を可能にします。フレームワークの中心である生涯実装メモリシステムは、空間、時間、エピソード、およびセマンティックサブモジュールで並列化された更新/検索によって、複雑なメモリフレームワークの推論速度の問題を軽減します。動的知識グラフ（KG）と一貫したアーキテクチャ設計を統合して、メモリの一貫性とスケーラビリティを向上させます。 EmbodiedBenchでの評価の結果、RoboMemoryはオープンソース基準（Qwen2.5-VL-72B-Ins）より平均成功率が25％高く、クローズドソース最先端（SOTA）（Claude3.5-Sonnet）より5％高い新しいSOTAを達成しました。除去研究は、主要コンポーネント（非評価、空間メモリ、長期メモリ）を検証し、実際の展開は、繰り返される作業で成功率が大幅に向上した生涯学習機能を確認します。 RoboMemoryは、スケーラビリティによって高い遅延時間の課題を軽減し、物理ロボットにマルチモードメモリシステムを統合するための基本的な参照として機能します。
