FRAME：面向对象中心场景记忆的属性组合检索方法

面向语言引导的具身智能具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身任务，机器人需具备场景记忆能力以理解指令、重访物体或解析跨时间出现的指代。现有方法多侧重空间或关系指代，而日常指代常涉及类别、材质、尺寸或外观等多重持久属性。为此，研究者提出属性组合检索问题，即在固定的对象中心场景记忆中，通过自然语言查询匹配属性定义的目标物体。为直接评估该能力，他们建立了受控评估协议，将检索任务与感知及标注歧义分离。在此基础上提出的FRAME框架，可将自然语言转化为属性相关权重，利用学习到的读出头从对象嵌入中估计各属性证据，并按查询聚合证据对物体排序。在未见过场景和物体资产测试中，FRAME性能优于代表性场景记忆检索基线，并降低了对象评分的计算复杂度。研究结果表明，属性组合检索可作为语言引导机器人的补充场景记忆能力。