机器人记忆对 AI 智能体有什么用？
它改变了 AI 智能体在第二次尝试时能做什么。一次失败之后记录下来的诊断，能让后续检索换用不同的抓取方式或观测，而不是把同一个计划再跑一遍。仅有结果——成功或失败——是弱证据；解释才是有用的部分。
机器人 AI 智能体记忆（Robot AI Agent Memory）
机器人 AI 智能体记忆是机器人系统中保存早先物理交互信息、供后续决策使用的部分。它与语言记忆是不同的问题：需要保留的不是说了什么，而是物理上发生了什么，以及为什么。
简述
机器人 AI 智能体记忆保存早先物理交互中的信息，以供后续决策使用。在 TGL 中，Skill Library 保存可复用的可执行行为，而 Experience Memory 延续成功、失败与修复。
两类需要记住的东西
机器人有两类不同的记忆需求，把它们混在一起会出问题。第一类是它能做什么：可被选择与执行的行为，每条带有适用条件与对效果的检验。第二类是它尝试时发生了什么：任务、所选的技能块、观测、结果、诊断以及任何修复。
把它们分开很重要，因为它们的增长方式不同。行为在通过验证时被收录一次；经验则每次都被记录，无论是否学到了新东西。
为什么诊断才是最有价值的部分
仅有结果——成功或失败——对下一次决策来说是弱证据。有用的内容是解释：不合适的抓取方式、含糊的观测、标定问题。正是它让后续检索能够做出不同的选择，而不只是简单地重试。
与更广领域的连接
记忆之所以成为机器人学习中的显式议题，是因为只以当前帧为条件的策略，在非马尔可夫任务上会失败——同一观测依据历史不同而对应不同的正确动作。TGL 把「可执行行为」与「上下文经验」分开，是组织这段历史的一种方式，好处是它保持可检查、可编辑。
常见问题
什么是机器人 AI 智能体的经验库？
尝试过什么、结果如何的记录：任务、所选技能块、观测、结果、诊断与任何修复。在 TGL 中它就是 Experience Memory，与 Skill Library 分开保存，使「经验证的行为」与「上下文历史」各自独立增长。