热点事件历史事件

DGIST的LT-Mem获IROS 2026最佳论文

1 篇报道1 个报道来源8 天前更新

先了解这件事

AI 综述

韩国大邱庆北科学技术院（DGIST）APRL 实验室的论文 LT-Mem 获 IROS 2026 最佳论文。该工作提出易变感知时空记忆框架，用 Live、Delta、Meta 三层记忆和基于波动率的覆盖、保留、多假设三种更新策略，解决机器人多次回访同一空间时新观测覆盖旧记忆的时间性遗忘问题。据该报道，LT-Mem 是对现有机器人感知体系的记忆层扩展，运行依赖多时段 SLAM、实例分割、跨时段物体身份匹配等前端模块，实验硬件为 RTX 5070 Ti 显卡、64GB 内存，更适合静态物体占主体、动态物体占少数的常规室内与半室外场景。报道还提示，STAR 方法的 QA-Event 指标采用关键词匹配评分，其他方法采用严格匹配评分，横向对比时需注意评分标准差异。

AI 根据报道生成 · 7 天前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

07:30
机器人产业应用 · 微信公众号
IROS 2026 最佳论文 LT-Mem 解读：用分层时空记忆解决机器人时间性遗忘
韩国大邱庆北科学技术院（DGIST）APRL 实验室的论文 LT-Mem 获 IROS 2026 最佳论文，该工作提出易变感知时空记忆框架，用 Live、Delta、Meta 三层记忆和基于波动率的覆盖、保留、多假设三种更新策略，解决机器人多次回访同一空间时新观测覆盖旧记忆的时间性遗忘问题。

本事件热度走势

可比范围当前: 3
可比范围峰值: 611月4日 01:00
近 24 小时变化: -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。