概述

这套数据集的采集方式、多模态结构、存储格式与适用任务。

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。

资料出处 Hugging Face datasets lzLiang/EmbodiedMemoryBench

关键规格与模态

数据规模、传感器模态、标注层级、存储格式及 Hugging Face Hub 下载热度。

演示轨迹数 (Episodes): 2554
Hub 下载量: 33k; 出处Hugging Face
Hub 点赞: 5; 出处Hugging Face

采集方式: 遥操作
开源协议: cc-by-nc-4.0
传感器模态: 图像表格文本
标注粒度: 语言标注
存储格式: Parquet

暂未公开或待收录：总时长

数据下载与加载代码

通过 Hugging Face CLI 或 LeRobot Dataset API 直接读取帧序列与动作标签。

# 使用 Hugging Face CLI 下载数据集
huggingface-cli download lzLiang/EmbodiedMemoryBench --repo-type dataset --local-dir ./data/lzliang-embodiedmemorybench

# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("lzLiang/EmbodiedMemoryBench")
print(f"Episodes: {dataset.num_episodes}, Frames: {dataset.num_frames}")

关联采集机型与策略模型

采集或适配该数据集的机器人本体，以及可在其上训练/评估的 VLA 与控制策略模型。

尚未收录关联机型或引用它的模型。

Hugging Face

来源

本页事实对应的公开页面，以原文为准。

Hugging Face datasets lzLiang/EmbodiedMemoryBench访问 2026-10-21

EmbodiedMemoryBench ​

概述

关键规格与模态

数据下载与加载代码

关联采集机型与策略模型

来源

EmbodiedMemoryBench