Une nouvelle méthode appelée MemER attire l'attention dans la communauté robotique pour son approche de la mémoire visuelle à long terme. Au lieu de fournir l'intégralité de l'historique visuel d'un robot à un modèle, MemER utilise un modèle de langage visuel (VLM) de haut niveau pour décider en continu quelle sous-tâche effectuer ensuite et quelles images récentes pourraient être utiles plus tard. Ces images clés sélectionnées sont ensuite stockées comme mémoire visuelle à long terme. Cette approche sélective résout un problème critique dans les tâches robotiques à long terme : l'explosion de données visuelles non pertinentes qui submerge les modèles et dégrade les performances. En imitant l'attention humaine aux moments saillants, MemER améliore l'efficacité et la précision dans des opérations complexes et prolongées. Pour les développeurs et chercheurs travaillant sur l'IA incarnée, cela représente une étape pratique vers des robots plus autonomes et capables d'opérer dans des environnements dynamiques sur de longues périodes.
MemER introduit une méthode où un modèle de langage visuel de haut niveau sélectionne uniquement les images critiques de l'historique d'un robot pour servir de mémoire visuelle à long terme, évitant ainsi la surcharge d'informations. Cette approche résout un goulot d'étranglement clé dans les tâches robotiques à long terme en gérant efficacement la mémoire. Elle signale une tendance vers des architectures mémoire plus sélectives et intelligentes dans l'IA incarnée.