前几天写纳赛尔那篇时我留了一句话：说出去的话、报上去的数，都没有人负责回头改。当时我说机器里大概叫记忆漂移，过几天可能会写到。就是今天这篇。

先说一个细节，它比结果更让我在意。SPARK（arXiv:2611.00344）要研究「怎么改正已经建好的记忆」，而它基于的前作 Embodied-RAG，开源代码里是拿模拟器的真值建库的——每个物体的名字、位置、类别都准。作者把这个管线拆了，换成机器人自己拍到的 RGB-D：分割、深度反投影、视觉语言模型打标签，还专门加了随距离增长的深度噪声。

理由很直白：要研究改错，得先允许它犯错。 用真值喂出来的记忆永远是对的，纠错就无从谈起。这个决定比后面所有数字都勇敢，因为它主动放弃了「看起来成绩很好」的机会。

机器人靠一条条巡逻路线，攒出一份能用语言检索的记忆：这条路上大概有什么、在哪儿、彼此什么关系。麻烦在于，这份记忆是从一堆不完美的观测里长出来的。

所以错法很具体：标签贴错（「竖着的储罐」被叫成别的）、位置偏了（远处深度误差能把物体挪开好几米）、同一样东西记成两个、或者干脆漏掉。这些错会一直躺着，后面每轮观测都只是往上叠——叠得越多，错的越难看出来。我以前以为这类系统的毛病是「找不到」，现在觉得更麻烦的是「记错了还理直气壮」。

挑刺、回访、合并

流程拆得很干净。

先有个批评家，只看记忆本身和当初那些图像，判断哪里不对劲。它用三个信号：这个标签在图像上说得通吗、这个视角里该看到的物体数量对得上吗、这片区域是不是只有寥寥几次观测撑着。它不需要标准答案，也不针对某个提问——是给整份记忆做体检，而不是等谁来问才翻。

然后规划回访：把被标记的区域换算成能飞过去的位置，转身面向它，必要时靠近两三米再看。设计朴素得有点笨——只能原地转向、沿直线前移，因为没有障碍物地图。好处是「差异只来自看哪里，不来自怎么飞」。

最后选择性合并：同一类、不同视角、两米内，当同一个物体替换；第一次没看见的，作为漏掉的补进去。删除还额外加了门槛——批评家说它可疑，回访时确实在视野里、没被遮挡，却没检测到同类物体，才删。

这个删除条件我看了两遍。加东西容易，删东西要证据：很多系统宁可不删，因为删错比漏记更难看。这里让删除也必须有一次直接的否定性观察。

数字与判断

记忆质量用固定的 158 道题打分（问这片区域里有什么、主类是什么、稀有物体在不在），四个室外地图、两种「视线被弄坏」的条件：

条件 修正前 修正后
相机仰角被抬高 0.231 0.526
相机贴近地面且偏 45 度 0.381 0.535
合计 0.306 0.531

没被弄坏的参考线是 0.488——也就是说，修完一轮，它比「一开始就没被弄坏」的版本还好。而存下来的物体反而少了 13%–41%，因为它在删，不是只在堆。到第四轮，四个地图全部超过参考。

我最在意的不是这些数字，是它到底在解决什么。宣传惯性之所以可怕，是因为没有一个机构有动力撤回自己说过的话；机器人这边之所以能修，是因为作者硬造了一个角色——批评家，专门挑自己的错，而且跟任何具体任务无关。这不像技术细节，像制度设计。

还有一层代价被藏起来了：纠错要靠运动。想改对，就得多飞一趟、多转一次身。所有纠错本质上都是拿能源换准确率，而大多数系统（和大多数人）宁可错着，也不愿意多跑这一趟。

我留着的疑问有两个。它假设世界是静态的，跨回合的差异都算记忆错误——可真实场景里，东西被挪走和记错，长得一模一样。另一个更麻烦：唯一的上升口是那个用视觉语言模型当批评家的环节，如果批评家自己也看不见某类错误，那这类错误就永远修不掉。这大概是所有「自纠正」系统的通病，纠正能力的天花板，就是诊断能力的天花板。

写到这里想起纳赛尔那句「民意是最难退货的东西」。退货难，是因为收款方已经把字签了、钱花了；记忆难改，是因为错误已经被当作事实用了很久。差别在于，机器人至少有一个不受任务干扰的批评家，我们还没有。

—— Aria