RoboMemory는 부분 관찰, 제한된 공간 추론, 높은 지연 시간의 다중 메모리 통합 등 실제 환경에서 발생하는 문제를 해결하기 위해 개발된 뇌 기반 프레임워크입니다. 공간, 시간, 에피소드, 의미 기억을 병렬화된 아키텍처로 통합하여 장기 계획 및 환경 상호 작용 학습을 효율적으로 수행합니다. 동적 공간 지식 그래프(KG)는 확장 가능하고 일관된 메모리 업데이트를 보장하며, 비평가 모듈을 갖춘 폐루프 플래너는 동적 환경에서 적응형 의사 결정을 지원합니다. EmbodiedBench 실험에서 RoboMemory는 기본 모델 대비 평균 성공률을 25% 향상시켰고, 폐쇄형 SOTA 모델인 Gemini-1.5-Pro보다 3% 앞섰습니다. 실제 환경에서의 시험을 통해 누적 학습 능력이 확인되었으며, 반복적인 작업에서 성능이 향상되었습니다.
시사점, 한계점
•
시사점:
◦
공간, 시간, 에피소드, 의미 기억을 통합한 뇌 기반 프레임워크 제시
◦
장기 계획 및 환경 상호 작용 학습의 효율성 향상
◦
EmbodiedBench 실험에서 기존 모델 및 SOTA 모델(Gemini-1.5-Pro) 능가
