Tag · 2 篇
情景记忆
分布 视频理解与时序1强化学习与具身智能1
01 02
带用户反馈的交互式情景记忆
Interactive Episodic Memory with User Feedback
把用户反馈作为条件注入到长视频时序定位中，并用轻量对齐模块（FALM）免去昂贵的序列优化，可直接迁移到视频检索、时刻定位等需要多轮交互修正的任务。
BridgeEQA：面向真实桥梁巡检的虚拟具身智能体
BridgeEQA: Virtual Embodied Agents for Real Bridge Inspections
将基础设施巡检建模为情景记忆具身问答任务，并提出以马尔可夫决策过程求解的 EMVR 框架；其『引用相关图像』的评测指标与长程多尺度空间推理设定，可迁移到需要跨视角检索证据的视觉语言任务。