Explore with Long-term Memory：基于多模态大语言模型与强化学习的具身探索框架

1.1.1.1 LMEE 范式认知：从"一次性任务"到"终身探索"

想象一个快递员第一次进入一栋陌生的写字楼。他手里有一张清单，上面列着五个需要送达的包裹，分别在不同楼层、不同房间。传统的方法是什么？他每找到一个包裹就返回起点重新规划路线——这就是现有主流具身智能任务的"一次性"范式：任务完成即结束，探索过程的记忆被丢弃，下一个任务从零开始。

现在让我们换一种方式：这位快递员在第一次探索时，不仅记住了每个包裹的位置，还记住了电梯位置、走廊布局、甚至哪个房间门口有绿植。当他第二次进入这栋楼时，他已经拥有一张"活地图"——这就是 LMEE（Long-term Memory Embodied Exploration，长期记忆具身探索）的核心直觉。对于首次接触这个概念的读者，请记住这个"快递员活地图"的具象锚点： episodic memory（情景记忆）就是快递员脑中那张不断更新的地图。对于已有强化学习经验的读者，可以把 LMEE 理解为"将 POMDP（部分可观察马尔可夫决策过程）中的历史观测序列，从丢弃式缓冲升级为可检索、可查询、可推理的外部记忆库"，其本质是通过记忆的外部化来突破上下文窗口的物理限制。

核心结论：LMEE 将具身智能的评估维度从"任务是否完成"扩展为"探索过程的记忆积累与利用"，通过多目标导航（Multi-goal Navigation）和基于记忆的问答（Memory-based Question Answering）两个子任务，统一了探索认知与决策行为。

实现细节：LMEE-Bench 基于 HM3DSem 数据集（145 个训练场景、36 个测试场景，含语义标注），