Pesquisadores do MIT apresentaram, em texto publicado em 5 de novembro de 2026, um sistema de memória robótica chamado UQ-DAAAM, voltado a identificar e corrigir descrições possivelmente incorretas de objetos armazenadas por robôs. O método compara várias descrições do mesmo objeto, captadas de pontos de vista diferentes, para medir a incerteza do modelo de visão e linguagem e, em seguida, seleciona imagens adicionais que possam reduzi-la. As legendas são então combinadas em uma descrição mais precisa, gravada na memória.

Segundo o artigo, o sistema resolveu ambiguidades em cerca de 92% dos objetos do ambiente do robô usando apenas duas legendas adicionais por objeto, e aumentou a precisão das descrições em 5% em relação ao estado da arte. O trabalho será apresentado na Conference on Neural Information Processing Systems e tem Luca Carlone como autor sênior, com Harry Zhang e Nicolas Gorlo como coautores principais.

Os pesquisadores afirmam que pretendem aplicar o método a outros tipos de robôs, como manipuladores móveis, e estudar a revisita de áreas de alta incerteza. A pesquisa recebeu apoio parcial do Laboratório de Pesquisa do Exército dos EUA e do Escritório de Pesquisa Naval dos EUA. As conclusões descritas se referem a experimentos e não indicam aplicação clínica ou doméstica já validada.