MaP-WAM：用长期记忆生成下一段动作计划
Memory as Plans: World-Action Modeling with Memory-Grounded Planning
规划器读取历史，执行器保持短上下文。实机实验仅两类任务、每项50次测试，代码仍待发布。
作者
相关期次：2026-09-12 精选
阅读笔记
机器人先看到按钮的颜色，按钮被遮住后，人才告诉它要找哪一种。只看当前相机画面，已经不够完成这个任务。MaP-WAM 将历史保存为一段段任务记录，里面有文字指令和少量真实画面；规划器读这些记录，提出下一段动作的文字和视觉计划。
执行器只接收眼前这段计划，并根据实际画面判断进度、修正偏差。这样的分工让它不必在每次动作推理时重新处理全部历史。近似保持不变的是执行器的推理延迟，不能理解为整套规划系统的成本永远不随记忆增长。
作者在 RMBench 上报告 83.3% 的成功率。实机部分是 Franka 机械臂上的两项任务：寻找被遮住的按钮，以及记住次数后依次按按钮；每项用 50 条示范训练，再独立测试 50 次，成功率分别为 88% 和 68%。这些结果支持了记忆与执行分工的思路，但任务范围还很窄，代码仓库也仍把训练和推理代码列为待发布。
判断：历史供规划、短上下文执行的分工有新意；实机两任务各50次，训练推理代码仍待发布。
原始论文：https://arxiv.org/abs/2609.11561
本期资料：https://www.asteronline.cn/juju-radar/2026-09-12/
AI辅助整理。
笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。