COOL：好奇心驱动的物体归属学习，用于个性化机器人辅助

COOL 是一个新型机器人框架，能从日常观察中自主学习物体归属关系，并维护环境的长期空间记忆。它采用基于智能体的好奇心驱动数据采集策略，引导机器人前往信息量最大的位置刷新过时观察。离线实验、消融研究与真实世界评估表明，COOL 可推断归属关系并用于按归属条件导航与任务执行，论文已被 CoRL 2026 接收。