2026 年 11 月 5 日
在紧急场景下，若人类指令机器人助手取用墙上的灭火器，而机器人的存储记忆中却将“灭火器”错误标记为其他物品（如除雾器），则可能导致任务失败。针对这一痛点，美国麻省理工学院（MIT）的研究人员开发了一种新型记忆系统，能够识别机器人内存中的潜在错误条目，并自动修正被错误标记物体的描述。
该系统名为 UQ-DAAAM（Uncertainty Quantification for Describe Anything, Anywhere, at Any Moment，即“面向任意时间、地点及对象描述的量化不确定性”）。其核心机制在于比较同一物体的多个视角描述，通过选择额外的视图来降低不确定性，并将这些片段整合为更准确的最终描述。这一技术有望显著提升家用或工业机器人执行复杂任务的能力。
麻省理工学院航空航天系副教授、信息与决策系统实验室（LIDS）主任研究员兼 SPARK 实验室主任 Luca Carlone 指出：“与 ChatGPT 不同，在物理 AI 领域，仅添加免责声明或警告机器人可能出错是不够的。让机器人明确知晓自身的认知局限，对于该技术的安全部署及其对社会的积极影响至关重要。”该研究论文已发布在 arXiv 预印本服务器上，并将在神经信息处理系统会议（NeurIPS）上发表。共同作者包括 MIT 研究生哈利·张（Harry Zhang）和尼古拉斯·戈洛（Nicolas Golow）。
基于多视角对比的记忆修正
UQ-DAAAM 建立在团队此前开发的 DAAAM 机器人记忆系统基础之上。在 DAAAM 框架中，物体描述以详细标题的形式存储在基于 3D 地图的环境中。然而，当机器人从远处观察部分遮挡物体，或摄像头捕捉到模糊、低光照图像时，DAAAM 可能会产生错误描述，例如将灰色的烟囱误判为屋顶上的松鼠。
哈利·张表示：“机器人无法自行纠正此类错误，错误的记忆会在环境中持续存在，进而影响下游应用。”
为解决这一问题，UQ-DAAAM 将不确定性量化引入 DAAAM 框架。机器人在移动过程中不断收集周围世界的图像，其中许多照片是从不同角度拍摄的同一物体。系统利用这些额外观点来识别并修复不可靠的描述。
具体流程如下：
- 信任度计算：首先计算视觉语言模型（VLM）对其生成的物体描述准确性的置信度。
- 一致性衡量：将该描述与其他角度拍摄的同一物体图像的标题进行比较，以评估一致性。
- 不确定性合并：Luca Carlone 解释道：“我们将两种不确定性来源合并为一个单一数值，以捕捉 VLM 对物体整体理解的确定性。”
- 动态修正：如果该数值超过特定阈值，表明不确定性过高，系统将调用物体的额外图像来完善标题。例如，它可能会选择在几秒后拍摄的图片，以清晰展示烟囱冒出的烟雾。
研究人员通过数学证明，这种启发式方法可以在不重启 VLM 的情况下识别最佳视角，从而显著减少计算量。克服的关键挑战在于如何将 VLM 与不确定性量化有效结合。
提升回忆准确率与效率
一旦确定哪些额外标题能降低不确定性，系统便使用大语言模型（LLM）将它们合并为单个对象描述。为了提高准确性，LLM 会对新标题以及那些歧义较少的标题赋予更高权重。
实验数据显示，这一改进步骤仅需每个对象两个额外的标题，即可解决机器人环境中约 92% 的对象歧义问题。与当前技术水平相比，物体描述的准确性提高了 5%。
此外，UQ-DAAAM 在回答关于观察到的物体、位置以及最后遇到时间等问题时，比基线方法提供了更准确的答案。通过在机器人生成的整个地图上执行这种不确定性量化程序，系统实现了实时且高效的记忆更新。
展望未来，研究人员计划将 UQ-DAAAM 应用于指导不同类型的机器人。他们正在探索如何利用该系统确定机器人需要重新访问的高不确定性区域，以深化对环境理解；同时也在研究如何在预测机器人环境未来状态的系统中引入不确定性量化。
参考文献：
哈利·张等人，《自信地记住：具有概率性时空记忆的不确定性量化》，arXiv (2026)。DOI: 10.48550/arxiv.2606.08277
