RoboMemory는 부분 관찰, 제한된 공간 추론, 긴 지연 시간의 다중 메모리 통합 등 실제 환경에서 발생하는 문제를 해결하기 위해 고안된 뇌 기반 프레임워크입니다. 공간, 시간, 일화, 의미 메모리를 병렬 아키텍처로 통합하여 효율적인 장기 계획 및 대화형 환경 학습을 가능하게 합니다. 동적 공간 지식 그래프(KG)는 확장 가능하고 일관된 메모리 업데이트를 보장하며, 비평 모듈을 갖춘 폐쇄 루프 플래너는 동적 환경에서 적응형 의사 결정을 지원합니다. EmbodiedBench 실험 결과, RoboMemory는 기본 모델 대비 평균 성공률을 25% 향상시켰고, 비공개 SOTA 모델인 Gemini-1.5-Pro를 3% 능가했습니다. 실제 실험을 통해 누적 학습 능력을 확인했으며, 반복적인 작업에서 성능이 향상되었습니다.
시사점, 한계점
•
시사점:
◦
인지 신경 과학과 로봇 자율성 간의 격차를 해소하는 확장 가능한 메모리 보강 구체화된 지능의 기반을 제시.
