# EmbodiedMemoryBench

> 权威词条地址：https://robotics.hellobike.com/datasets/lzliang-embodiedmemorybench
> 所属分类：datasets | 最近核验日期：2026-10-20 | 技术层级：L6

## 核心摘要

lzLiang 在 Hugging Face 发布的机器人数据集，规模 1K<n<10K。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/datasets/lzLiang/EmbodiedMemoryBench"] |
| `layers` | ["L6"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/datasets/lzLiang/EmbodiedMemoryBench"}] |
| `updated` | 2026-10-20 |
| `episodes` | 2554 |
| `modalities` | ["图像", "表格", "文本"] |
| `annotation_levels` | ["语言标注"] |
| `formats` | ["Parquet"] |
| `license` | cc-by-nc-4.0 |
| `collection` | teleop |
| `hub_id` | lzLiang/EmbodiedMemoryBench |
| `hub_stats` | {"downloads": 32982, "likes": 5, "as_of": "2026-10-21"} |

## 技术详解与生态说明

EmbodiedMemory-Bench（EMem-Bench）是面向长时程具身任务的记忆能力评测数据集，在 AI2-THOR 与 ProcTHOR 交互环境中评估智能体是否能利用先前的多模态交互历史完成后续任务。智能体先观察历史轨迹，并不知道未来任务，之后需要回忆细节、更新变化状态、避免已发生的失败，或把学到的规则迁移到新对象或场景。

数据集包含 2,554 个已验证 episode，覆盖 Passive Observation、Dynamic Tracking、Interaction Failure 和 Experience Generalization 四类记忆挑战。内容包括历史 RGB 观测、动作与反馈轨迹、任务 probes、评测标注、episode JSON 与历史图像；Dataset Viewer 使用 compact all split 的 parquet 文件，同时提供 JSONL 记录。

评测使用 Success Rate 和 Error Recurrence Rate，并要求报告各 family 分数及等权宏平均。原始文件含评测侧标注，构造模型输入时未来任务信息、隐藏规则、cue 标签、期望动作和特权仿真状态需保留在评测侧。数据集采用 CC BY-NC 4.0 许可，并受 AI2-THOR 与 ProcTHOR 上游条款约束。

## 原始核验来源 (Sources)

- [Hugging Face datasets lzLiang/EmbodiedMemoryBench](https://huggingface.co/datasets/lzLiang/EmbodiedMemoryBench)