論文の概要: MemCtrl: Using MLLMs as Active Memory Controllers on Embodied Agents

• arxiv url: http://arxiv.org/abs/2601.20831v1
• Date: Wed, 28 Jan 2026 18:31:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:07.094323
• Title: MemCtrl: Using MLLMs as Active Memory Controllers on Embodied Agents
• Title（参考訳）: MemCtrl: エージェントのアクティブメモリコントローラとしてMLLMを使用する
• Authors: Vishnu Sashank Dorbala, Dinesh Manocha,
• Abstract要約: 本稿では,Multimodal Large Language Models (MLLM) を用いたメモリのオンラインプルーニングフレームワークであるMemCtrlを提案する。 拡張MLLMは平均で16%、特定の命令サブセットで20%以上改善されている。
• 参考スコア（独自算出の注目度）: 53.44122827359892
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Foundation models rely on in-context learning for personalized decision making. The limited size of this context window necessitates memory compression and retrieval systems like RAG. These systems however often treat memory as large offline storage spaces, which is unfavorable for embodied agents that are expected to operate under strict memory and compute constraints, online. In this work, we propose MemCtrl, a novel framework that uses Multimodal Large Language Models (MLLMs) for pruning memory online. MemCtrl augments MLLMs with a trainable memory head μthat acts as a gate to determine which observations or reflections to retain, update, or discard during exploration. We evaluate with training two types of μ, 1) via an offline expert, and 2) via online RL, and observe significant improvement in overall embodied task completion ability on μ-augmented MLLMs. In particular, on augmenting two low performing MLLMs with MemCtrl on multiple subsets of the EmbodiedBench benchmark, we observe that μ-augmented MLLMs show an improvement of around 16% on average, with over 20% on specific instruction subsets. Finally, we present a qualitative analysis on the memory fragments collected by μ, noting the superior performance of μaugmented MLLMs on long and complex instruction types.
• Abstract（参考訳）: ファンデーションモデルは、パーソナライズされた意思決定のために、コンテキスト内学習に依存している。 このコンテキストウィンドウのサイズ制限は、RAGのようなメモリ圧縮と検索システムを必要とする。 しかし、これらのシステムはメモリを大規模なオフラインストレージ空間として扱うことが多く、これは厳格なメモリと計算制約の下で動作することが期待されるエンボディエージェントにとって、オンラインでは好ましくない。 本研究では,Multimodal Large Language Models (MLLM) を用いたメモリのオンラインプルーニングのための新しいフレームワークであるMemCtrlを提案する。 MemCtrlは、訓練可能なメモリヘッドμでMLLMを拡張し、探索中にどの観測や反射を保持、更新、破棄するかを決定するゲートとして機能する。 2種類のμをトレーニングして評価する。 1) オフラインの専門家による。 2) オンラインRLを用いて, μ添加MLLM上での総合的な実施作業完了能力の大幅な改善を観察した。 特に、EmbodiedBenchベンチマークの複数のサブセットにMemCtrlで2つの低パフォーマンスMLLMを増設すると、μ増倍MLLMは平均で16%、特定の命令サブセットで20%以上改善されていることが分かる。 最後に,μ で収集したメモリフラグメントの質的解析を行い,μaugmented MLLM の長い命令型および複雑な命令型における優れた性能について述べる。

関連論文リスト

• Agentic Memory: Learning Unified Long-Term and Short-Term Memory Management for Large Language Model Agents [57.38404718635204]
  大規模言語モデル (LLM) エージェントは、有限コンテキストウィンドウによる長距離推論において基本的な制限に直面している。 既存のメソッドは通常、長期記憶(LTM)と短期記憶(STM)を独立したコンポーネントとして扱う。 本稿では,エージェントのポリシーに LTM と STM 管理を直接統合する統合フレームワークである Agentic Memory (AgeMem) を提案する。
  論文  参考訳（メタデータ） (2026-01-05T08:24:16Z)
• Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning [89.55738101744657]
  大規模言語モデル(LLM)は、幅広いNLPタスクで印象的な機能を示しているが、基本的にはステートレスである。 本稿では,LLMに外部メモリを積極的に管理・活用する機能を備えた強化学習フレームワークであるMemory-R1を提案する。
  論文  参考訳（メタデータ） (2025-08-27T12:26:55Z)
• MEMO: Fine-grained Tensor Management For Ultra-long Context LLM Training [24.066283519769968]
  大規模言語モデル(LLM)は、よりクリエイティブなアプリケーションを促進するために、拡張コンテキスト長を使用して訓練されている。 本稿では,メモリ管理を微粒化するための新しいフレームワークであるMEMOを提案する。 MeMOはMegatron-LMやDeepSpeedと比べて平均1.97倍と1.80倍のMFUを達成している。
  論文  参考訳（メタデータ） (2024-07-16T18:59:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。