韓國 ETRI 讓機器人先查記憶再動手：複雜任務成功率衝上近 7 成

ETRI 與 GIST 開發的 SceneQueryPlanner 把空間資訊存成 3D 場景圖，機器人不再靠猜測行動，Llama 3.1 任務成功率從 46.8% 升至 69.6%。

機器人最大的毛病之一，是資訊不夠時會「自己腦補」。韓國電子通信研究院（ETRI）與光州科學技術院（GIST）合作開發的新技術，做法剛好相反：先把看過的空間記下來，動手前先查記憶，查不到就不亂猜。

把房間變成一張可查詢的地圖

這項名為 SceneQueryPlanner 的技術，把房間、家具、物體位置與屬性整理成「3D 場景圖」存起來。機器人行動時，不是一股腦把所有環境資訊塞給語言模型，而是只挑出當前任務需要的片段來查詢。

舉例來說，接到「把玻璃杯與塑膠杯分開整理」的指令時，機器人會先從記憶中確認每個杯子的材質，再決定搬運順序，而不是憑外觀猜測。研究團隊表示，過去以大型語言模型為基礎的機器人，環境資訊越多、要找的東西越難定位，遇到材質、開關狀態、相對位置必須同時判斷的複合任務時，準確率就會明顯下滑。

10 種複合任務，成功率全面提升

為了驗證效果，團隊另外打造了包含搬運、清掃、操作設備等 10 種複合任務的評測基準 AttPlan-Bench。結果顯示，套用新方法後，Meta Llama 3.1 的任務成功率從 46.8% 提高到 69.6%，阿里巴巴 Qwen 2.5 從 44.0% 提高到 68.0%，OpenAI GPT-4o 也有所進步；其中需要運用物體屬性判斷的任務，成功率更提升了 17.2 個百分點。

不過研究團隊也坦言，這些數字是在自家搭建的評測環境中取得的。下一步要處理的，是用相機與感測器蒐集到的不完整資訊，並把技術推廣到真實機器人場景。相關技術與評測程式碼已經公開，研究成果則在 10 月 25 日發表於國際自然語言處理學會 EMNLP 2026 Findings。

對想把機器人推進工廠、醫院與家庭現場的人來說，這個方向的意義很實際：與其讓模型越來越會猜，不如先給它一本查得到的筆記，穩定比聰明更重要。

資料來源：ChosunBiz、EMNLP 2026 Findings