机器人检索把动作也编进向量：Robota-Embed在8000条画廊上取得47.33%片段级R@1
机器人取用历史经验时，往往只按任务或画面相似来匹配，难以区分同一任务里“正在靠近”和“已经放下”这类执行阶段。Robota-Embed把语言、视觉与原始动作同时编码进当前状态查询和记录的未来片段，使检索键本身带上运动信息。在4000条查询对8000条候选的Robota-Embed-Bench上，它取得47.33%片段级与81.77%回合级R@1；摘要称比不使用动作的Gemini Embedding 2高22.09和33.47个百分点，正文第4.1节则给出22.09和33.18个百分点。