一介布衣、

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

摘要： https://arxiv.org/abs/2505.22050 摘要 具身规划要求智能体基于动态视觉观测和自然语言目标做出连贯的多步决策。尽管最新的视觉-语言模型（VLM）在静态感知任务上表现优异，但它们在具身环境中的时序推理、空间理解和常识落地等方面仍然存在明显短板。本文提出了一种将R1风格推理 阅读全文

摘要： https://arxiv.org/abs/2502.21257 摘要 近年来，多模态大语言模型（MLLMs）在多模态场景中展现出了卓越的能力。然而，它们在机器人场景中的应用，尤其是长时序操作任务，仍存在显著局限。这些局限主要源于当前MLLMs缺乏三项机器人“大脑”核心能力：规划能力（将复杂操作指令 阅读全文