AnswersPublished18 sources
Když robot zapomene, kam odložil věc: nový test měří dlouhodobou paměť AI
EMem Bench od týmu OmniAI ze Zhejiangské univerzity obsahuje 2 554 interaktivních úloh. Test prověřuje čtyři schopnosti: vybavit si dřívější pozorování, sledovat změny, pamatovat si výsledky interakcí a přenášet zkušenosti do nových situací.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer
Key takeaways
- EMem Bench od týmu OmniAI ze Zhejiangské univerzity obsahuje 2 554 interaktivních úloh.
- Test prověřuje čtyři schopnosti: vybavit si dřívější pozorování, sledovat změny, pamatovat si výsledky interakcí a přenášet zkušenosti do nových situací.
- Při analýze 100 vybraných neúspěšných trajektorií tvořily čtyři typy problémů s pamětí dohromady 91 % případů.
- V jednom srovnání se stejným modelem GPT 5.4 mini zvýšil systém EMem průměrnou úspěšnost z 35,3 % na 58,9 %.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Zhejiang University’s OmniAI Group’s EmbodiedMemory-Bench (EMem-Bench), reported on October 18, 2026, when was its paper posted to a. Article summary: EmbodiedMemory-Bench (EMem-Bench) is Zhejiang University’s OmniAI Group’s benchmark for testing whether embodied agents can build and update memories from past interactions, then use those memories to complete later task. Topic tags: general, academic, general web, government, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
AI agent, který se pohybuje v prostředí a manipuluje s předměty, musí zvládat víc než jen rozpoznat, co právě vidí. Potřebuje si pamatovat, kde předmět zahlédl, co se s ním mezitím stalo a jak dopadla jeho předchozí akce. Právě dlouhodobou paměť takových agentů měří benchmark EmbodiedMemory-Bench, zkráceně EMem-Bench, od týmu OmniAI ze Zhejiangské univerzity. Obsahuje 2 554 interaktivních epizod, v nichž má agent využít minulou zkušenost při pozdějším úkolu.1
17
Paměť se ověřuje činem, ne jen odpovědí
V běžném testu paměti může model dostat otázku, co se stalo dříve. EMem-Bench jde dál: agent nejprve dostane časově uspořádanou multimodální historii interakcí a potom musí splnit nový úkol v prostředí. Nestačí tedy správně popsat minulost — musí si z ní vytvořit nebo aktualizovat paměť a podle ní jednat.1
11
Benchmark rozděluje paměťové úlohy do čtyř skupin. Ověřuje, zda agent dokáže:
- Vybavit si dřívější pozorování: například kde se nacházel předmět, který už není v záběru.
- Sledovat změny: aktualizovat informace, když se změní poloha nebo stav věci.
- Pamatovat si výsledek interakce: zapamatovat si, co odhalila předchozí akce, třeba zda se manipulace povedla.
- Přenést zkušenost: využít dřívější poučení nebo opravu i u jiného předmětu či situace.
11
16
Klíčové je, že se paměť neposuzuje izolovaně. Ukáže se až na tom, zda ji agent dokáže použít při dalším úkolu.1
Jaké chyby týmy pozorovaly
Při hledání typických slabin tým analyzoval 100 neúspěšných trajektorií modelů Gemini-3-Flash a Qwen3-VL-32B v sadách EB-ALF a EB-Hab benchmarku EmbodiedBench. Čtyři kategorie problémů souvisejících s pamětí představovaly dohromady 91 % těchto vybraných neúspěchů:
- Zapomenuté vizuální detaily — 35 %: předmět se už objevil v obraze, ale agent si nezapamatoval jeho polohu a později ho znovu hledal.
- Přehlédnuté změny prostředí — 18 %: předmět se přesunul nebo byl upraven, agent však jednal podle zastaralých informací.
- Nezapamatovaná zpětná vazba — 31 %: výsledek akce odhalil novou informaci, ale agent si ji neuchoval.
- Nepřenesená zkušenost — 7 %: agent dostal ukázku nebo opravu, ale při práci s jiným předmětem zopakoval stejnou chybu.
Číslo 91 % popisuje pouze rozbor těchto 100 neúspěšných trajektorií. Není to celková chybovost ani Gemini-3-Flash, ani Qwen3-VL-32B a nejde o náhodně vybraný vzorek.
EMem ukládá zkušenosti do několika typů paměti
Vedle benchmarku tým představil systém externí paměti Embodied-Memorizer (EMem). Zkušenosti organizuje jako prostorové, událostní a scénické vzpomínky. Výzkumníci zároveň trénovali model EMem-8B, který se má naučit, jak paměť spravovat a používat.1
6
15
V jednom srovnání, kde všechny systémy používaly jako společný základ GPT-5.4-mini, dosáhla varianta bez EMem průměrné úspěšnosti 35,3 %. S EMem to bylo 58,9 %, tedy o 23,6 procentního bodu více. Ve stejném srovnání dosáhl systém TeleMem úspěšnosti 37,8 %.6 Jde o výsledek v konkrétním benchmarku a testovacím nastavení, nikoli o záruku stejného zlepšení u všech modelů a úloh.
Zájem o benchmark a jeho limity
Studie byla na arXiv odevzdána 23. září 2026.17 Čínská média o ní informovala 18. října a stránka týmu uvádí také související zpravodajské pokrytí.
6
13 Podle jedné z říjnových zpráv měl EMem-Bench zhruba tři týdny po vydání na Hugging Face téměř 30 000 stažení. Jde o tehdy uvedený údaj, nikoli o ověřený současný součet.
6
EMem-Bench hodnotí agenty v simulovaném prostředí. Výsledky proto ukazují, jak si vedou v těchto interaktivních testech, samy o sobě ale neprokazují, že budou stejně spolehliví i na skutečném robotu. K tomu by bylo potřeba ověřit jejich chování také v reálném prostředí, kde se mohou projevit šum senzorů nebo chyby při vykonávání akcí.1
4
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Když robot zapomene, kam odložil věc: nový test měří dlouhodobou paměť AI"?
EMem Bench od týmu OmniAI ze Zhejiangské univerzity obsahuje 2 554 interaktivních úloh.
What are the key points to validate first?
EMem Bench od týmu OmniAI ze Zhejiangské univerzity obsahuje 2 554 interaktivních úloh. Test prověřuje čtyři schopnosti: vybavit si dřívější pozorování, sledovat změny, pamatovat si výsledky interakcí a přenášet zkušenosti do nových situací.
What should I do next in practice?
Při analýze 100 vybraných neúspěšných trajektorií tvořily čtyři typy problémů s pamětí dohromady 91 % případů.
Sources
arxiv.orgBenchmarking Embodied Memory for Long-Horizon ...
163.com具身智能体长程记忆：看见不等于记住，浙大提出具身记忆基准