arXiv cs.CL· Dmytro Kurdydyk, Aadi Palnitkar, Sebastian Scherer, Seungchan Kim·· 10 小时前AI 评分31
SPARK：通过物理重观测实现自我纠正的具身记忆框架
SPARK: Self-Correcting Embodied Memory via Physical Re-Observation
AI 导读
SPARK 是一个面向具身 RAG 的纠正性多回合框架，通过语义批评器标记知识库问题区域、定向规划器生成重访、选择性合并增删替换知识库信息。在四个 AirSim 户外地图和 158 道具身问答题上，单次纠正回合在两种退化视角条件下均提升 EQA 表现，存储对象比仅追加更新少 13-41%，单地图条件对最高提升 2.7 倍。纠正延伸至第 4 回合后，所有地图的 EQA 表现均超过其未退化参考水平。
正文 · AI 翻译
摘要：检索增强生成（RAG）系统作为环境的一种可用语言查询的记忆，在具身场景中的应用日益增多。然而，现有方法通常假设存在可靠的单一回合知识库（KB），或跨回合累积观测而不纠正先前的错误。此类错误会通过错误的语义标签、不准确的对象位置以及不一致的空间关系持续存在。为解决这一问题，我们提出了 SPARK，一个用于具身 RAG 的纠正性多回合框架。在第一个回合之后，语义批评器会标记知识库中的区域，定向规划器生成重访，选择性合并则根据新的观测添加、删除或替换知识库信息。我们在两种退化视角条件下，于四个户外 AirSim 地图上评估 SPARK，使用感知构建的知识库、仅用于评估的可见性约束预言机，以及一组固定的 158 个具身问答（EQA）问题，在纠正前后进行评分。单个纠正回合在两种条件下均能改善每个地图上的下游 EQA，同时相比仅追加更新存储的对象少 13-41%，在某一地图-条件组合上增益最高达 2.7 倍。将纠正延伸至第 4 回合后，每个地图的 EQA 性能均超过其未退化参考。消融实验表明，批评器的三个信号各自对性能有贡献；在相同预算下，定向重访比非定向重访获得更大的平均增益；选择性合并以更小的知识库实现了与仅追加更新相当的增益。总体而言，SPARK 展示了通过定向重新观测来纠正具身记忆的价值，尤其是在具身系统规模扩大、累积错误风险增加的情况下。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.00344 [cs.RO] |
| （或本版本的 arXiv:2611.00344v1 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2611.00344 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Dmytro Kurdydyk [查看电子邮件]
[v1]
2026年10月30日星期五 20:24:55 UTC（15,612 KB）
来源：arXiv cs.CL · arxiv.org