一介布衣、

摘要： 摘要 我们提出了RoboMemory：一种受大脑启发的多记忆框架，面向物理实体系统中的终身学习，解决了真实环境中的关键挑战：持续学习、多模块记忆延迟、任务相关性建模，以及闭环规划中的无限循环问题。RoboMemory基于认知神经科学，集成了四大核心模块：信息预处理器（类丘脑）、终身实体记忆系统（类海 阅读全文

摘要： https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus 中文版的是低级的机翻。这个是使用GPT4.1的翻译结果，并加上了富文本标记。 Manus 上下文工程经验 背景与抉择 在项目伊始，我 阅读全文

摘要： https://arxiv.org/abs/2505.00675 摘要 记忆是人工智能系统的基础组成部分，支撑着基于大语言模型（LLMs）的智能体。以往的综述多聚焦于记忆在LLM中的应用（如实现对话智能体的个性化记忆），但往往忽略了驱动记忆动态变化的基本操作。本文首先将记忆表示划分为参数化和上下文两 阅读全文

摘要： https://arxiv.org/pdf/2505.16928 摘要 我们提出了 infini-thor，这是一个面向长时序具身任务的新框架，旨在推动具身人工智能中的长上下文理解能力。infini-thor 提供了： (1) 一个可扩展、可复现且无限制生成长时序轨迹的生成框架； (2) 一个新颖的 阅读全文

摘要： https://arxiv.org/abs/2507.02029 摘要 我们介绍了RoboBrain 2.0，这是我们最新一代的具身视觉-语言基础模型，旨在为物理环境中的复杂具身任务统一感知、推理与规划。RoboBrain 2.0 提供了两个版本：轻量级的 7B 模型和全规模的 32B 模型，采用异 阅读全文

摘要： https://arxiv.org/abs/2504.16054 摘要 为了让机器人真正有用，它们必须能够在现实世界中执行实际相关的任务，而不仅仅是在实验室中。尽管视觉-语言-动作（VLA）模型在端到端机器人控制方面取得了令人瞩目的进展，我们提出了\(\pi_{0.5}\)，这是一个基于\(\pi_ 阅读全文

摘要： https://arxiv.org/abs/2506.18096v1 Deep Research Agents: A Systematic Examination And Roadmap 摘要 大型语言模型（LLMs）的快速发展催生了一类全新的自主AI系统，被称为深度研究（Deep Research 阅读全文

摘要： https://arxiv.org/abs/2501.11858 https://github.com/thunlp/EmbodiedEval 摘要 多模态大语言模型（MLLMs）近年来取得了显著进展，为具身智能体的发展带来了广阔前景。目前用于评估MLLMs的基准主要采用静态图像或视频，评测场景局限 阅读全文

摘要： https://arxiv.org/abs/2505.10468v1 摘要 本综述批判性地区分了AI Agents与Agentic AI，提供了结构化的概念分类、应用映射和挑战分析，以澄清它们不同的设计理念和能力。我们首先概述了检索策略和基础定义，将AI Agents描述为由LLM和LIM驱动、面向 阅读全文

摘要： https://arxiv.org/abs/2502.09560 https://embodiedbench.github.io/ 摘要 利用多模态大语言模型（MLLMs）构建具身智能体为解决现实世界任务提供了有前景的途径。尽管以语言为中心的具身智能体已受到广泛关注，但由于缺乏全面的评测框架，基于M 阅读全文