RoboMemory: A Brain-inspired Multi-memory Agentic Framework for Interactive Environmental Learning in Physical Embodied Systems

###RoboMemory 通过模仿大脑结构，设计了四个协同工作的模块，特别是其创新的「终身具身记忆系统」，该系统包含空间、时间、情景和语义四种并行工作的记忆模块，极大地提升了机器人的学习效率和反应速度

RMBench: Memory-Dependent Robotic Manipulation Benchmark with Insights into Policy Design

这篇文章由RoboTwin团队提出，基于原先的RoboTwin平台，在此基础上引入了9个记忆相关的任务从而为具身智能在仿真记忆部分提供了一个比较友好的benchmark，对于我目前的研究方向提供了一个很好的训练评测平台。

MEM: Multi-Scale Embodied Memory for Vision Language Action Models

这篇文章由PI团队提出，基于原先的 ${\pi }_{0.6}$ 模型，在此基础上引入了长短期记忆从而大幅度提升了模型的性能，对于我目前的研究方向十分有借鉴意义。

ACoT-VLA: Action Chain-of-Thought for Vision-Language-Action Models

这篇文章提出了一个基础VLA模型，主要为VLA模型加入了动作链推理。

InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation

这篇文章提出了一个基础VLA模型，主要聚焦于解决快速移动场景的机器人操作能力。

PointWorld: Scaling 3D World Models for In-The-Wild Robotic Manipulation

这篇文章提出了一个大型预训练的三维世界模型，模型能够根据静态点云及与具体形态无关的机器人动作描述预测全场景三维点流运动，同时作者构建了大规模三维动力学建模数据集，涵盖真实与仿真环境中单臂、双臂、全身及移动操作等多种交互形态。该模型经多样化数据预训练后，仅需在开放场景中捕获的单帧RGB-D图像，无需额外数据或微调，即可在实体硬件上实现多种操作行为。

Learning to Remember: Exploring Multimodal Memory Mechanisms in Long Video Understanding

keywords: Memory, Long Video Understanding, VLA

论文分享主题是就是长视频理解领域的记忆模块应用，也是与我目前研究的方向比较契合

MEMORYVLA: PERCEPTUAL-COGNITIVE MEMORY IN VISION-LANGUAGE-ACTION MODELS FOR ROBOTIC MANIPULATION

这篇文章提出了将memory引入VLA中，从而解决VLA的灾难性遗忘问。

${\pi }_{0.5}$ : a Vision-Language-Action Model with Open-World Generalization

这篇文章提出了一个基础的VLA模型主要通过真机数据训练旨在让机器人可以适应家用场景。

InternVLA-M1: A Spatially Guided Vision-Language-Action Framework for Generalist Robot Policy

这篇文章提出了一个空间引导的VLA基础模型。