这种记忆真的能实现长时程规划并适应不断变化的目标吗？
公平的评估必须检验记忆是否帮助机器人在直接视野之外进行规划，而不仅仅是对其所见做出反应。RAVEN的持久3D体素射线地图使空中机器人在非结构化户外环境中能够执行长时程搜索，并在模拟中比反应式基线高出85.25% [1]。这一改进表明，随时间存储空间语义信息的记忆，正是使机器人避免短视决策的关键。公平的测试应包含需要机器人重新访问或推理其早前所见位置的任务，而不仅仅是导航至可见目标。
适应性同样重要：记忆应能支持新目标，而无需重建地图。LagMemo在一次探索中构建语言-3D高斯溅射记忆，随后高效查询该记忆以应对新的多模态、开放词汇目标，在多目标导航中显著优于现有最先进方法[2]。CityNavAgent同样利用历史轨迹的全局记忆来简化对已访问目标的导航，这是长时程任务的关键特性[5]。公平的评估应包含初始建图后的连续任务变更或新目标查询，以检验记忆能否被有效复用。
这种记忆和计算成本是多少？它能扩展到大型环境吗？
持久的3D语义记忆只有在不耗尽机器人资源的情况下才有实用价值。SceneVGGT通过滑动窗口管道对齐局部子地图[3]，无论输入序列多长，都能将GPU内存控制在17 GB以内。这是一个关键指标：公平的评估应衡量峰值内存占用和处理速度，而不仅仅是准确性，因为一个过于沉重、无法实时运行的记忆系统将难以部署。同一篇论文还表明，存储时间戳和实例级身份信息能够实现变化检测，这对现实世界中的导航是一项宝贵的能力[4]。
扩展到大型环境是另一个关键维度。RAVEN结合了短距离体素搜索与长距离射线搜索，以应对大型户外空间，并在10个照片级逼真的户外环境中完成了超过100项语义任务的测试[1]。公平的评估应涵盖不同规模和复杂度的环境，并衡量记忆是否随着地图的增大而平稳退化。CityNavAgent还通过将任务分解为子目标，解决了长时程空中导航中动作空间呈指数级扩大的问题，这是一种基于记忆的系统应当支持的策略[5]。
它在现实世界中有效吗，包括杂乱且多变的环境？
模拟成功还不够；公平的评估必须包含真实世界的测试。RAVEN通过在户外实地测试中部署于空中机器人，展示了其在现实世界中的适用性[1]。同样，SceneVGGT在专为辅助导航场景设计的自定义数据集上进行了评估，显示出对现实情境的适用性[4]。公平的评估应包含实地测试，或至少包含能够捕捉传感器噪声、动态障碍物和光照变化的光照写实模拟。
地形感知是持久语义记忆能够应对的一个具体现实挑战。在农业场景中，一种将地形划分为六个可通行等级并将其整合到代价地图中的系统，与仅依赖激光雷达的导航相比，将禁行区域的误报率降低了37.79%[6]。这表明语义记忆不仅关乎物体识别，也关乎安全的路径规划。公平的评估不仅应衡量任务成功率，还应涵盖碰撞率和禁行区域违规等安全指标，尤其是在地形类型多样的环境中。
关于这些来源
本回答基于6项同行评审研究——发表于2025年至2026年，其中6项为2024年或之后发表，合计被引用58次——这些研究是从6项通过质量筛选的研究中选出的最相关成果，而这些研究又源自从超过5亿篇论文数据库中检索到的49篇文献。
本文引用的文献
RAVEN：基于开放集语义记忆与行为自适应的弹性空中导航
RAVEN的持久化3D体素射线地图支持了长时程空中导航，在10个逼真户外环境中的100项任务里，其仿真性能比基线方法高出85.25%，并在真实世界现场测试中得到了验证。
LagMemo：面向多模态开放词汇多目标视觉导航的语言3D高斯溅射记忆
LagMemo的语言3D高斯溅射记忆支持多模态开放词汇和多目标导航，在GOAT-Core基准测试上显著优于现有最先进方法。
SceneVGGT：基于VGGT的在线三维语义SLAM，用于室内场景理解与导航
SceneVGGT的滑动窗口SLAM流程无论输入长度如何，都能将GPU内存控制在17 GB以内，从而在ScanNet++上实现内存高效的语义建图，并保持具有竞争力的点云性能。
使用VGGT构建时间连贯的3D地图，以实现内存高效的语义SLAM
基于VGGT的框架存储了时间戳和实例级身份信息，用于时间一致性和变化检测，并在自定义辅助导航数据集上进行了验证。
CityNavAgent：基于层级语义规划与全局记忆的空中视觉-语言导航
CityNavAgent的层级语义规划与历史轨迹全局记忆机制，在连续城市环境下的空中视觉-语言导航任务中取得了最先进的性能表现。
基于多类别地形分类与持久记忆的农业机器人语义感知导航
面向农业机器人的语义感知导航系统将地形划分为六个可通行等级，与仅依赖激光雷达的导航相比，误报禁行区域的比例降低了37.79%。