MIT新研 | 人工智能能否帮你找回遗失的钥匙？

各位同学大家好，欢迎来到芸升教育前沿 AI 科普课堂。

今天我们聚焦一篇来自世界顶尖理工名校麻省理工 MIT 的最新官方科研报道，这篇研究在 2026年6月17日由 MIT News 正式对外发布，解决了长久以来机器人领域一个非常贴近我们生活的难题 —— 机器人不会 “记路、记东西”。

先问大家一个生活里最简单的问题：你出门忘带钥匙，回到家能清楚回忆钥匙放在书桌抽屉；工厂里的工人下班前没组装完零件，第二天一上班，立刻能找到存放半成品的货架。

人类天生拥有时空空间记忆，能把物体、地点、时间绑定在一起记住。

但过去的机器人完全做不到。就算它刚刚见过零件、自行车、雕塑，只要离开一小会儿，你口头问它东西在哪，它根本无法理解、无法定位。人机协同存在巨大鸿沟，而 MIT 这支科研团队推出的全新系统 DAAAM，彻底补上了机器人的 “记忆大脑”。

一、先搞懂：之前的机器人技术，为什么存不住完整记忆？

MIT 科研团队指出，过去两大主流技术各有短板，没法结合：

第一种是多模态视觉 AI，擅长拍照识别物体，能描述 “红色爆胎自行车”“校园雕塑”，但一次只能标注少量物品，不能覆盖整片大型空间；

第二种是机器人三维建图技术，可以构建整栋教学楼、整片工厂的 3D 地图，但只有几何轮廓，没有文字描述，运算量巨大，实时运行卡顿。

两者割裂，机器人只能 “看当下”，不能 “回忆过去”，自然听不懂人类自然语言指令。

MIT 航空航天系副教授、信息与决策系统实验室 LIDS 首席研究员、SPARK 实验室主任 Luca Carlone，也是本次项目核心负责人，他提出一个核心观点：想要机器人和人类并肩工作，必须让机器人和人类拥有相同的时空推理逻辑，能听懂人类语言、用语言调取空间信息。

DAAAM 的核心目标，就是把冰冷的三维几何地图，升级成一套带文字描述、语言可检索的语义记忆地图。

二、核心技术 DAAAM：全称 Describe Anything, Anywhere, Anytime, at Any Moment

这套全新机器人长期记忆框架，融合计算机视觉与机器人建图两大方向优势，我们拆解它两大核心创新：

第一，机器人自主巡游环境，自动给所有物体贴上精细化文字标签。

举个论文里真实的例子：机器人在 MIT 校园行走，会自动记录斯塔塔中心的建筑风格；车棚里五辆单车会区分标注 —— 直把手黑色自行车、浅蓝车架自行车、爆胎红色自行车。所有文字描述绑定 3D 空间坐标，按区域分类存储，机器人能精准记住 “爆胎红车就在斯塔塔中心外车棚”。

传统同类技术标注几个物品就要耗费数秒，机器人行走几分钟会看到上百件物体，完全无法实时使用。而 DAAAM 做了效率革新：自动聚集附近物体，筛选画面清晰的关键帧并行标注，计算速度直接提升十倍；同时每个物体只标注一次，哪怕是大型厂区、整片校园这种超大场景，也能实时稳定运行。

第二，搭配大语言模型，实现自然语言快速检索，大幅减少 AI “胡说八道” 的幻觉问题。

系统建好完整空间记忆库后，用户只用大白话提问，几秒就能给出精准答案。比如你输入关键词 “雕塑”，机器人会立刻检索校园里所有艺术品；如果你询问某栋建筑旁的雕塑，系统会同时结合文字语义、空间位置双重检索定位。

团队实测对比当下全球顶尖算法，根据提问类型不同，DAAAM 的识别、检索准确率提升 21% 至 53%，速度、精度双双突破行业上限。

三、这项技术能用到哪里？覆盖我们未来生活方方面面

这项时空记忆框架绝不只是实验室成果，落地场景非常广泛：

智能制造工厂：工人只需要口头说一句 “把昨晚没组装完的零件取过来”，机器人就能凭借记忆自主找到物料存放区，替代大量重复人工搬运；

AR 设备工业运维：帮助检修工人记忆设备故障点位，快速识别设备异常；

日常出行导航：辅助我们记住随身物品、地标位置，回答 “我的钥匙落在哪” 这类生活化问题；

家用通用机器人：未来听懂 “去客厅拿零食”“找回阳台的钱包” 这类模糊口语指令，真正走进家庭。

四、权威科研信息：团队、会议、资金与行业认可

研究第一作者：MIT 在读博士生 Nicolas Gorlo；

合作研究者：前 MIT 科研科学家、现德国纽伦堡工业大学 Lukas Schmid；

指导教授 Luca Carlone；

成果发布：论文在国际顶会 CVPR（计算机视觉与模式识别大会）公开宣讲；

项目资助：美国陆军研究实验室、美国海军研究办公室；

所属实验室与院系：MIT SPARK 实验室、信息与决策系统实验室 LIDS、MIT 苏世ordo计算学院、工程学院航空航天系、电子工程与计算机科学 EECS。

团队还公布了后续两大研发计划：第一，拓展记忆能力，让机器人完整记录环境里发生的完整事件，不止记住静态物品；第二，给每一条回答增加置信度，让机器人告诉人类这条记忆的可靠程度。

论文一作 Nicolas Gorlo 表示：我们的终极目标是打造通用全能智能机器人，而 DAAAM 空间记忆系统，就是实现这一切最关键的底层基础。

五、芸升教育科普总结：对我们学生有什么启发？

听完整套研究，很多同学会好奇，这项前沿技术和我们日常学习、科创竞赛、海外理工科升学有什么关系？

当下计算机视觉、机器人感知、大模型工具调用、三维语义建图，是人工智能、自动化、计算机、航空航天专业最热门交叉方向，也是各类科创比赛、海外本科研究生申请的优质选题。

MIT 作为全球 AI、机器人领域标杆院校，每一篇官方新闻都代表行业未来发展方向。芸升教育会持续同步 MIT、斯坦福、剑桥等名校一手前沿科研！

带大家拆解顶会论文、设计科创项目、梳理理工科留学科研规划，帮助大家紧跟全球人工智能创新浪潮。