RespuestasPublicado18 fuentes
¿Puede un agente recordar lo que vio y usarlo después?
EMem Bench, del equipo OmniAI de la Universidad de Zhejiang, reúne 2.554 episodios interactivos para evaluar si los agentes recuerdan y aprovechan experiencias previas. El benchmark examina cuatro capacidades: recordar observaciones, actualizar estados que cambian, conservar información obtenida al interactuar y tra...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- EMem Bench, del equipo OmniAI de la Universidad de Zhejiang, reúne 2.554 episodios interactivos para evaluar si los agentes recuerdan y aprovechan experiencias previas.
- El benchmark examina cuatro capacidades: recordar observaciones, actualizar estados que cambian, conservar información obtenida al interactuar y trasladar lo aprendido a nuevas tareas.
- En una revisión de 100 trayectorias fallidas, cuatro tipos de problemas de memoria sumaron el 91 % de los casos analizados.
- En una comparación con GPT 5.4 mini como modelo base, EMem elevó el éxito medio del 35,3 % al 58,9 %.
Prompt de IA
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
Un agente de IA que interactúa con objetos no solo tiene que interpretar lo que ve: también debe recordar dónde dejó algo, actualizar esa información si el entorno cambia y aprender de lo que ocurre al actuar. El equipo OmniAI de la Universidad de Zhejiang presentó EmbodiedMemory-Bench (EMem-Bench) para evaluar precisamente esa memoria a largo plazo mediante tareas ejecutables en entornos simulados. El benchmark contiene 2.554 episodios interactivos y su artículo se envió a arXiv el 23 de septiembre de 2026.1
17
Qué pone a prueba EMem-Bench
En lugar de pedirle al agente que simplemente cuente qué ocurrió antes, el benchmark le da primero un historial multimodal de interacciones ordenado cronológicamente. Después le plantea una tarea nueva que debe completar actuando en el entorno. Para resolverla, tiene que construir o actualizar recuerdos y recuperar los que sean pertinentes.1
11
Las cuatro familias de tareas evalúan si el agente puede:
- Recordar observaciones anteriores: conservar detalles visuales, como dónde vio un objeto.
- Seguir cambios: actualizar su recuerdo cuando un objeto cambia de ubicación o de estado, en vez de actuar con información desfasada.
- Aprender de las interacciones: retener lo que reveló el resultado de una acción, por ejemplo, si una operación tuvo éxito.
- Aplicar experiencias previas: trasladar una regla o una corrección aprendida a otro objeto o escenario.
11
16
La memoria se mide por lo que el agente consigue hacer después. No basta con haber visto o registrado información: debe usarla correctamente para completar la tarea.1
Los fallos que motivaron el benchmark
Para identificar dificultades habituales, el equipo analizó 100 trayectorias fallidas de Gemini-3-Flash y Qwen3-VL-32B en los conjuntos EB-ALF y EB-Hab de EmbodiedBench. La revisión clasificó los problemas relacionados con la memoria en cuatro grupos:
- Olvido de detalles visuales: 35 %. El objeto había aparecido en una imagen, pero el agente no conservó su ubicación y luego volvió a buscarlo.
- Cambios del entorno pasados por alto: 18 %. El objeto ya se había movido o había sido manipulado, pero el agente siguió actuando según su estado anterior.
- Información de las interacciones no recordada: 31 %. El resultado de una acción había revelado información nueva, pero el agente no la retuvo.
- Dificultad para transferir lo aprendido: 7 %. Aunque había recibido una demostración o corrección, repitió el error al enfrentarse a otro objeto.
En conjunto, esas categorías representan el 91 % de las trayectorias fallidas revisadas. La cifra describe esa muestra seleccionada de fallos; no es la tasa de error general de ninguno de los dos modelos ni el resultado de una muestra aleatoria.
EMem: organizar recuerdos para actuar
El equipo también presentó Embodied-Memorizer (EMem), un sistema de memoria externa que organiza las experiencias en recuerdos de escena, espaciales y de eventos. Además, entrenó EMem-8B, un modelo orientado a gestionar y utilizar esos recuerdos.1
6
15 La idea es que el sistema no solo almacene lo ocurrido, sino que pueda recuperar información útil para la tarea actual y convertirla en una acción.
6
En una comparación con GPT-5.4-mini como modelo base común, el éxito medio fue del 35,3 % sin EMem y del 58,9 % con EMem: una mejora de 23,6 puntos porcentuales. En esa misma comparación, TeleMem alcanzó el 37,8 %.6 Son resultados de un benchmark y una configuración concretos; no garantizan el mismo rendimiento en cualquier modelo o tarea de robótica.
Publicación y atención
El artículo apareció en arXiv el 23 de septiembre de 2026.17 Medios chinos publicaron información sobre el trabajo el 18 de octubre, y el equipo también recogió cobertura en su página.
6
13 Una de esas noticias señaló que, aproximadamente tres semanas después de su lanzamiento, el conjunto de datos se acercaba a las 30.000 descargas en Hugging Face. Es una cifra comunicada entonces, no un recuento actual verificado.
6
Qué no demuestran los resultados
EMem-Bench evalúa la memoria a través de interacciones y tareas en entornos simulados.1
4 Por eso, sus resultados permiten comparar el desempeño dentro de esas pruebas, pero no bastan para concluir que un robot real será igual de fiable ante ruido en los sensores o errores de ejecución. Para saberlo hacen falta pruebas con robots físicos.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "¿Puede un agente recordar lo que vio y usarlo después?"?
EMem Bench, del equipo OmniAI de la Universidad de Zhejiang, reúne 2.554 episodios interactivos para evaluar si los agentes recuerdan y aprovechan experiencias previas.
¿Cuáles son los puntos clave a validar primero?
EMem Bench, del equipo OmniAI de la Universidad de Zhejiang, reúne 2.554 episodios interactivos para evaluar si los agentes recuerdan y aprovechan experiencias previas. El benchmark examina cuatro capacidades: recordar observaciones, actualizar estados que cambian, conservar información obtenida al interactuar y trasladar lo aprendido a nuevas tareas.
¿Qué debo hacer a continuación en la práctica?
En una revisión de 100 trayectorias fallidas, cuatro tipos de problemas de memoria sumaron el 91 % de los casos analizados.
Fuentes
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