یک کارگر خط تولید خودرو می‌تواند به خاطر بیاورد که قطعه نیمه‌ساخته را شب گذشته در کدام قفسه قرار داده و به سرعت به آنجا بازگردد تا آن را بردارد. اما ربات‌هایی که ممکن است در کنار او کار کنند، برای ایجاد و دسترسی به این نوع حافظه «فضایی-زمانی» دچار مشکل خواهند شد.

اکنون، محققان MIT یک چارچوب حافظه بلندمدت توسعه داده‌اند که به ربات‌ها اجازه می‌دهد به سرعت یک مدل ذهنی دقیق از محیط‌های پیچیده و بزرگ مقیاس ایجاد و به خاطر بیاورند.

در آینده، این پیشرفت می‌تواند به کارگر خط تولید اجازه دهد تا یک دستیار رباتیک را برای آوردن قطعه مورد نظر بفرستد، فقط با گفتن «برو و قطعه‌ای را که شب گذشته شروع به مونتاژ آن کردیم بردار».

این روش جدید، نمایش‌های پیشرفته نقشه را با توضیحات غنی از محیطی که ربات در طول یک دوره زمانی طولانی جمع‌آوری می‌کند، ترکیب می‌کند. ربات می‌تواند به سرعت به این حافظه دسترسی پیدا کند تا به سوالات پیچیده در مورد محیط خود به زبان ساده پاسخ دهد.

این چارچوب حافظه که با دقت بیشتری نسبت به روش‌های پیشرفته به سوالات پاسخ می‌دهد، به اندازه کافی سریع است که یک ربات متحرک بتواند از آن در زمان واقعی استفاده کند.

علاوه بر کاربردهای بالقوه آن در رباتیک، این روش می‌تواند در سیستم‌های واقعیت افزوده که به کارگران تعمیر و نگهداری در تشخیص ناهنجاری‌ها کمک می‌کنند یا به مسافران در مسیریابی کمک می‌کنند، کاربرد داشته باشد.

«اگر می‌خواهیم ربات‌ها در کنار انسان‌ها کار کنند و تعامل بهتری با آنها داشته باشند، باید به زبان مشترک صحبت کنند. ربات باید بتواند در مورد زمان و مکان به همان روشی که انسان‌ها فکر می‌کنند، استدلال کند. این اساساً همان چیزی است که...»