近日，麻省理工学院研究团队在计算机视觉与模式识别会议上正式发布名为DAAAM的机器人长期时空记忆框架。该框架旨在赋予机器人类人的时空推理能力，使其能够理解并记忆复杂的大规模环境。传统机器人建图往往缺乏细节描述，而多模态视觉模型难以处理长时间序列的空间关联。DAAAM技术成功融合了计算机视觉与机器人建图的优势。在机器人探索过程中，系统自动聚合周边目标，通过优化算法筛选关键帧进行并行标注，并将丰富的环境描述绑定至三维地图的区域坐标。借助大语言模型与专业检索工具的协同调用，机器人可在数秒内精准调取海量记忆数据，高效响应自然语言指令。实验测试表明，该方法在多项基准测试中准确率较当前最先进模型提升21%至53%，且完全满足移动机器人的实时运算需求。项目负责人指出，该框架将传统几何地图转化为语言化记忆，是构建通用具身智能的关键基石。该技术未来将广泛应用于工业协作、增强现实设备维护及智能导航系统，相关研究由美国陆军研究实验室及海军研究办公室资助。