想象一下，一个机械臂正试图打开微波炉。在它实际尝试拉开之前，它并不知道门是锁着的还是自由的。如果锁扣卡住了，机器人必须先摆弄一下把手，然后再拉。如果锁扣已经是自由状态，那么那个扭动把手的动作就是白费力气。这就是机器人在充满“隐藏状态”的世界中面临的日常挣扎——比如锁着的门、未关紧的柜子或已经拧松的瓶盖。机器人必须通过试探和戳弄来搞清楚发生了什么，这既慢又笨拙。机器人领域的科学家们正在尝试教会机器不再靠猜测，而是开始记忆。一个核心问题是：如果机器人解决了一个谜题，它能否记住这个解决方案，从而不必每次都从头开始解决同一个谜题？

本文介绍了一种聪明的新技巧，叫做实例导向记忆（Instance-Oriented Memory, IOM）。你可以把它想象成机器人针对特定物体的“便利贴”系统。通常，机器人记住的是通用规则，比如“如何开门”。但这个新系统记住的是“这个特定的门”以及“它究竟是如何表现的”。研究人员发现，通过在机器人仅此一次搞清楚隐藏状态后，记录一份简短且高效的“小抄”，可以在未来的尝试中减少 16% 到 30% 的不必要动作。更酷的是，他们使用了一个现成的 AI 工具（视觉语言模型，Vision-Language Model）进行了测试，该工具无需任何特殊训练即可学会这个技巧。机器人学习了一次，写下了笔记，然后每次都能跳过那些枯燥的部分，而且从未在任务中失败过。

“尝试一次，随后达到最优”的故事

想象你是一个试图打开微波炉的机器人厨师。当你第一次走到微波炉前时，你不知道锁扣是卡住了还是自由的。所以你采取稳妥的做法：伸手，尝试扭动把手，然后拉开门。如果锁扣本来是自由的，那次扭动完全是浪费时间。如果它是卡住的，你必须这样做。无论如何，你都学到了一些东西：“这个特定的微波炉需要先扭一下。”

现在，想象你每年每天早上都要打开同一个微波炉。一个“笨”机器人会在每天早上都重复那个“扭一下再拉一下”的流程，以防万一。这就像你每天早上都要检查口袋里有没有钥匙，尽管你知道钥匙就放在桌子上。这很安全，但效率很低。

这项研究背后的研究人员，贺海洲及其团队提出了疑问：“为什么机器人一直在重复探索？”他们意识到，现有的机器人记忆库就像是“成功故事”的图书馆。它们能帮助机器人记住“如何成功”，但无法帮助它记住“面对的是哪一个物体”，从而跳过不必要的步骤。

他们的解决方案是实例导向记忆（IOM）。这是一个三步走的过程，能让机器人从一个健忘的探索者变成一个聪明的记忆者。

第一步：“尝试一次”（探索）

机器人遇到一个新物体，比如一个带有隐藏锁扣的微波炉。它不知道状态，所以必须进行探测。它尝试一系列动作。也许失败了，也许成功了，但关键在于，它揭示了秘密。它发现：“啊，这个锁扣卡住了，我需要先扭一下。”

第二步：“去冗余化”的小抄（提炼）

这是神奇之处。机器人将那段冗长、混乱的动作序列（扭动、拉开、可能还有重试）剥离掉多余的部分。它意识到：“噢，我现在知道这个微波炉卡住了。我不需要检查它是否自由，我只需要扭一下然后拉开。”它写下一条极其精简、完美的指令：“扭动，然后拉开。”它将这条笔记保存在一本特殊的记忆手册中，并贴上“这个特定微波炉”的照片标签。

第三步：“回溯”（摊销）

第二天，机器人看到了同一个微波炉。它不再通过戳弄来观察锁扣是否卡住，而是查看它的记忆手册。它识别出了这个微波炉，调出了“扭动，然后拉开”的笔记，然后直接开始工作。它完全跳过了“检查”阶段。

论文称之为“摊销探索”（amortizing exploration）。这就像买了一次电影票，之后每天都可以免费看这部电影，而不需要重新买票。搞清楚问题的“成本”只需支付一次，而节省下来的收益则在每次使用时都能获得。

他们是如何测试的（实验室 vs. 现实世界）

团队不仅停留在理论层面，还构建了系统并在四种不同的场景中进行了测试：

1. 微波炉（在计算机模拟中）
2. 门（在计算机模拟中）
3. 瓶子（在真实的机械臂上）
4. 柜子（在真实的机械臂上）

在所有这些任务中，机器人都要处理隐藏状态：门锁上了吗？瓶盖已经取下来了吗？柜子锁扣是否啮合？

他们对比了三种类型的机器人：

• “随机型”机器人： 它没有记忆。它每次都从头开始尝试打开物体，经常做一些不必要的动作。
• “先知型”机器人： 这个机器人拥有一份完美的、预知答案的“作弊手册”。它代表了绝对的最佳性能。
• “VLM 型”机器人： 这是主角。它使用标准的、现成的 AI（视觉语言模型）来观察第一次尝试的视频，找出窍门，并写下笔记。它不需要针对这项工作进行任何特殊训练；它只是利用了自身的通用智能。

结果：更少晃动，更多成功

数据非常令人印象深刻。当机器人反复打开这些物体时：

• “先知型”机器人（完美的那个）比那个每次都要重新探索的机器人减少了 16% 到 30% 的动作。
• “VLM 型”机器人（使用标准 AI 的那个）成功实现了这种节省效果的 69% 到 88%。换句话说，通过使用现成的 AI 工具，机器人几乎获得了完美记忆的所有益处，而无需学习任何新知识。

在真实的机械臂上，结果甚至比模拟环境更好。使用记忆系统的机器人不仅节省了时间，而且在打开物体的成功率上甚至高于未使用记忆系统的机器人。

如果记忆错了怎么办？

关于记忆系统，一个大的担忧是：“如果机器人记错了怎么办？”如果它认为微波炉是卡住的，但实际上它是自由的呢？如果机器人盲目遵循错误的笔记，它可能会损坏门。

研究人员将 IOM 设计为一种“软偏置”（soft bias）。这是一种高级说法，意思是记忆是一个建议，而不是命令。机器人仍然会倾听其传感器的反馈。如果笔记说“扭动”，但门很容易就被打开了，机器人的反馈回路就会介入并停止扭动。

他们通过给机器人大约 12% 的门实例提供错误的笔记进行了测试。结果如何？机器人并没有失败。它只是做了几次额外的动作来纠正自己。成功率保持不变，证明了该系统是安全的。这就像拥有一个 GPS 建议路线，但如果你看到路障，你会直接绕行并继续驾驶。

为什么这很重要

论文指出，我们不应仅仅教机器人如何更好地“执行”任务，而应该教它们如何更好地“记忆”特定物体。目前的机器人记忆侧重于“我成功了吗？”，但这个新系统侧重于“这是什么物体，以及我该如何处理它？”

通过将每个物体视为具有自身历史的独特个体，机器人停止了在已知事物上浪费能量进行“探测”。作者发现，这种方法在计算机模拟和真实的物理机器人上都有效。他们甚至注意到，对于某些棘手的物体，比如瓶盖看起来是否盖好几乎没有视觉差异，机器人无法通过“看”来分辨。但通过记住第一次交互时的状态，它可以完全跳过视觉上的猜测。

简而言之，这篇论文表明，机器人可以通过保留一份简单的、针对特定物体的日记来变得更高效。它们尝试一次，写下窍门，然后就可以在余下的日子里轻松应对。而且最棒的是？它们可以使用现有的工具来实现这一点，而无需为每一项工作都构建一个全新的大脑。