MemCompiler: Compile, Don't Inject — State-Conditioned Memory for Embodied Agents

摘要

Existing memory systems for embodied agents typically inject retrieved memory as static context at episode start — a paradigm the authors call Ahead-of-time Monolithic Memory Injection (AMMI). This static design becomes misaligned with the agent's evolving state and can degrade lightweight executors below the no-memory baseline. MemCompiler reframes memory utilization as State-Conditioned Memory Compilation: a learned Memory Compiler reads a structured Brief State capturing the agent's current execution state and dynamically selects and compiles only relevant memories at runtime.

核心贡献

1. AMMI 范式的问题分析：系统地分析了"静态记忆注入"范式在具身 Agent 中的根本性缺陷——记忆与 Agent 当前状态的对齐会随时间衰减
2. 状态条件记忆编译框架：提出 MemCompiler，将记忆选择从"提前注入"转变为"运行时动态编译"
3. Brief State 结构化表示：设计了一种捕获 Agent 当前执行状态的结构化 Brief State，用于驱动记忆选择
4. 轻量级学习：记忆编译器是可学习的，在保持执行器轻量的同时实现了记忆的动态适配

为什么重要

这是具身 Agent 记忆系统设计的一次重要范式转变。传统方法将记忆视为静态上下文，而 MemCompiler 将记忆视为根据当前状态动态编译的运行时资源。这种思路与"按需编译"而非"预加载"的计算哲学一致，对于需要长期运行的具身 Agent（如机器人、自动驾驶）特别重要。

与移动端/端侧相关性

端侧具身 Agent（机器人、无人机、自动驾驶车辆）是最典型的移动端 Agent 场景。MemCompiler 的轻量级动态记忆编译对资源受限的端侧设备特别有价值——它避免了为每一次执行预先加载完整记忆，而是根据当前状态按需编译，既节省了 token 预算，又保证了记忆与当前任务的对齐。

参考文献

• arXiv: https://arxiv.org/abs/2605.07594
• Authors: Xin Ding, Xinrui Wang, Yifan Yang