AnswersPublished18 sources
Muistaako tekoälyrobotti, mitä se näki?
Zhejiangin yliopiston OmniAI ryhmän EMem Bench arvioi, osaavatko fyysisessä ympäristössä toimivat tekoälyagentit muistaa ja hyödyntää aiempia kokemuksiaan. Vertailutesti sisältää 2 554 vuorovaikutustapausta ja mittaa neljää taitoa: aiempien havaintojen muistamista, tilanteiden muutosten seuraamista, palautteen muist...
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Zhejiangin yliopiston OmniAI ryhmän EMem Bench arvioi, osaavatko fyysisessä ympäristössä toimivat tekoälyagentit muistaa ja hyödyntää aiempia kokemuksiaan.
- Vertailutesti sisältää 2 554 vuorovaikutustapausta ja mittaa neljää taitoa: aiempien havaintojen muistamista, tilanteiden muutosten seuraamista, palautteen muistamista ja kokemuksen soveltamista uuteen tehtävään.
- Sadasta valikoidusta epäonnistumisesta 91 prosenttia liittyi johonkin neljästä muistiongelmasta.
- GPT 5.4 mini mallilla tehdyssä vertailussa EMem muistijärjestelmä nosti onnistumisasteen 35,3 prosentista 58,9 prosenttiin.
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
Tekoälyrobotin on pystyttävä muuhunkin kuin tulkitsemaan sitä, mitä sen edessä juuri nyt näkyy. Sen pitäisi myös muistaa aiemmat havainnot, huomata ympäristön muutokset ja hyödyntää toimintojensa tuloksia seuraavissa tehtävissä. Zhejiangin yliopiston OmniAI-ryhmän kehittämä EmbodiedMemory-Bench eli EMem-Bench testaa tätä pitkäkestoista muistia simuloiduissa ympäristöissä. Tutkimuspaperi lähetettiin arXiviin 23. syyskuuta 2026, ja vertailutesti sisältää 2 554 vuorovaikutustapausta.1
17
Muistia mitataan toiminnan, ei pelkän vastauksen kautta
Tavallinen muistitehtävä voi pyytää mallia kertomaan, mitä aiemmin tapahtui. EMem-Benchissä agentille annetaan ensin aikajärjestykseen koottu monimuotoinen vuorovaikutushistoria ja vasta sen jälkeen uusi tehtävä. Sen pitää muodostaa tai päivittää muistinsa ja käyttää sitä tehtävän suorittamiseen ympäristössä.1
11
Vertailutesti arvioi neljää muistamisen osa-aluetta:
- Aiemman havainnon muistaminen: Säilyykö mielessä esimerkiksi esineen sijainti, vaikka se nähtiin jo aiemmin?
- Tilanteen muutoksen seuraaminen: Päivittääkö agentti muistinsa, jos esine siirtyy tai sen tila muuttuu?
- Vuorovaikutuksen tuloksen muistaminen: Muistaako agentti, mitä se oppi aiemmasta toiminnasta, kuten onnistuiko jokin yritys?
- Kokemuksen soveltaminen: Osaako se hyödyntää aiemmin opittua sääntöä tai korjausta uuden esineen tai tilanteen kohdalla?
11
16
Näin muistia arvioidaan sen perusteella, auttaako se agenttia toimimaan oikein myöhemmässä tehtävässä – ei vain palauttamaan tietoa mieleen.1
Millaisia muistivirheitä arvioinnissa havaittiin?
Tutkimusta esitellessään ryhmä kävi läpi 100 epäonnistunutta tehtävärataa. Ne oli kerätty Gemini-3-Flash- ja Qwen3-VL-32B-mallien suorituksista EmbodiedBenchin EB-ALF- ja EB-Hab-osioissa. Analyysissä tunnistettiin neljä muistamiseen liittyvää ongelmaa:
- Visuaalisten yksityiskohtien unohtaminen: 35 %. Esine oli näkynyt kuvassa, mutta agentti ei muistanut sen sijaintia ja joutui etsimään sitä myöhemmin uudelleen.
- Ympäristön muutoksen huomaamatta jääminen: 18 %. Esine oli siirretty tai sitä oli käsitelty, mutta agentti toimi edelleen vanhentuneen tiedon varassa.
- Toiminnan palautteen unohtaminen: 31 %. Agentti ei säilyttänyt tietoa, jonka toiminnan tulos oli paljastanut, kuten onnistuiko tarttuminen tai mikä ympäristön tila oli.
- Kokemuksen siirtämisen epäonnistuminen: 7 %. Aiempi esimerkki tai korjaus ei estänyt samaa virhettä uuden esineen kohdalla.
Nämä neljä ryhmää kattoivat yhteensä 91 prosenttia analysoiduista epäonnistumisista. Kyse on kuitenkin valikoidusta sadan epäonnistumisen joukosta, ei satunnaisotoksesta eikä mallien yleisestä epäonnistumisasteesta.
EMem järjestää kokemukset muistiksi
Tutkijat esittelivät myös ulkoisen muistijärjestelmän nimeltä Embodied-Memorizer (EMem). Se jäsentää aiempia kokemuksia tilaan, tapahtumiin ja näkymiin liittyviksi muistoiksi. Lisäksi ryhmä koulutti EMem-8B-mallin hallitsemaan ja hyödyntämään näitä muistoja.1
6
15 Tarkoituksena ei ole vain tallentaa menneitä tapahtumia, vaan löytää nykyiseen tehtävään liittyvä tieto ja käyttää sitä toiminnan tukena.
6
GPT-5.4-mini-mallilla tehdyssä vertailussa järjestelmän keskimääräinen onnistumisaste nousi ilman EMemiä mitatusta 35,3 prosentista EMemiä käytettäessä 58,9 prosenttiin. Nousua kertyi 23,6 prosenttiyksikköä. Samassa vertailussa TeleMem-järjestelmän onnistumisaste oli 37,8 prosenttia.6
Luvut kuvaavat tuloksia tietyssä vertailutestissä ja sen asetelmassa. Niitä ei pidä tulkita takeeksi siitä, että muistijärjestelmä parantaisi kaikkien mallien tai tehtävien tuloksia samalla tavalla.
Julkaisu ja huomio
ArXivin mukaan tutkimuspaperi lähetettiin palveluun 23. syyskuuta 2026.17 Kiinalaismedia julkaisi aiheesta juttuja 18. lokakuuta, ja tutkimusryhmän sivulla on listattu aiheeseen liittyvää uutisointia.
6
13 Lokakuun jutussa kerrottiin, että EMem-Benchin latausmäärä Hugging Facessa oli noin kolme viikkoa julkaisun jälkeen lähes 30 000. Kyse on tuolloin raportoidusta luvusta, ei tarkistetusta nykyisestä latausmäärästä.
6
Simulaatiotulos ei vielä kerro robotin toimintavarmuudesta
EMem-Bench arvioi muistia ja sen vaikutusta myöhempään toimintaan simuloiduissa ympäristötehtävissä.1
4 Tulokset kertovat siis, miten järjestelmät pärjäsivät näissä tehtävissä. Ne eivät yksin osoita, toimisiko muistaminen yhtä luotettavasti oikealla robotilla, jossa antureiden kohina ja liikkeiden suoritusvirheet voivat vaikuttaa tilanteeseen. Tämän selvittämiseksi tarvitaan erillisiä kokeita fyysisillä roboteilla.
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 "Muistaako tekoälyrobotti, mitä se näki?"?
Zhejiangin yliopiston OmniAI ryhmän EMem Bench arvioi, osaavatko fyysisessä ympäristössä toimivat tekoälyagentit muistaa ja hyödyntää aiempia kokemuksiaan.
What are the key points to validate first?
Zhejiangin yliopiston OmniAI ryhmän EMem Bench arvioi, osaavatko fyysisessä ympäristössä toimivat tekoälyagentit muistaa ja hyödyntää aiempia kokemuksiaan. Vertailutesti sisältää 2 554 vuorovaikutustapausta ja mittaa neljää taitoa: aiempien havaintojen muistamista, tilanteiden muutosten seuraamista, palautteen muistamista ja kokemuksen soveltamista uuteen tehtävään.
What should I do next in practice?
Sadasta valikoidusta epäonnistumisesta 91 prosenttia liittyi johonkin neljästä muistiongelmasta.
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