关于 RobotMem

为什么机器人需要持久记忆

一个机器人训练了 5000 个 episode 学会抓取物体，但部署到新环境后，所有经验都丢失了。它必须从零开始。这不是算法问题 — 是记忆问题。

强化学习的 replay buffer 在 episode 结束后被丢弃，模型权重无法在不同环境间直接迁移，机器人没有办法"记住"它做过什么。

RobotMem 解决的就是这个问题：为机器人提供一个持久化的、可检索的记忆系统。存储视觉、触觉、关节、空间、语义五种感知数据，跨重启保持，跨环境迁移。

关键成果

在标准机器人学习基准测试中，RobotMem 取得了以下成果：

技术架构

RobotMem 的核心设计原则是：离线优先、边缘部署、零外部依赖。整个系统运行在单一 SQLite 数据库上，不需要 GPU、不需要云端 API、不需要网络连接。

SQLite + FTS5 提供全文检索，ONNX Runtime 驱动本地向量嵌入（bge-small 模型，无需 GPU），MCP 协议让任何 LLM 都能通过标准工具接口读写记忆。一行 pip install robotmem 安装，开箱即用。

开源协议

RobotMem 是完全开源的项目，采用 Apache 2.0 协议。你可以自由使用、修改和分发，包括商业用途。

我们相信机器人记忆应该是基础设施而不是商业壁垒。每个研究者和开发者都应该能让自己的机器人记住它做过什么。

联系我们

有问题、建议或合作意向？随时联系我们。

让你的机器人记住一切

开源免费，一行命令安装，离线运行。