Fugu-MT 論文翻訳(概要): ECHO: Continuous Hierarchical Memory for Vision-Language-Action Models

論文の概要: ECHO: Continuous Hierarchical Memory for Vision-Language-Action Models

arxiv url: http://arxiv.org/abs/2605.10993v1
Date: Sat, 09 May 2026 13:06:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-13 21:48:56.283929
Title: ECHO: Continuous Hierarchical Memory for Vision-Language-Action Models
Title（参考訳）: ECHO:ビジョンランゲージ・アクションモデルのための連続階層メモリ
Abstract要約: メモリ容量は、長期操作タスクにおけるビジョン・ランゲージ・アクション(VLA)モデルの性能を決定する重要な要因である。本稿では,連続階層空間内で動作する新しいメモリフレームワークECHOを提案する。双曲型オートエンコーダを用いることで、ECHOはVLA隠された状態をこの空間にマッピングする。
参考スコア（独自算出の注目度）: 40.14860028616163
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Memory capacity is a critical factor determining the performance of Vision-Language-Action (VLA) models in long-horizon manipulation tasks. Existing memory-augmented architectures primarily rely on linear or flat storage, lacking structural priors for manipulation categories and hierarchical organization. This deficiency hinders efficient experience retrieval and limits generalization to unseen long-horizon task compositions. Inspired by the hierarchical organization of human experience, we propose ECHO (Experience Consolidation and Hierarchical Organization), a novel memory framework operating within a Continuous Hierarchical Space. By employing a hyperbolic autoencoder, ECHO maps VLA hidden states into this space. Leveraging hyperbolic metrics and entailment constraint mechanisms, experience vectors are organized into a semantic memory tree that supports efficient top-down retrieval. In parallel, a background consolidation mechanism continuously refines the memory tree through geometric interpolation and structural splitting, supporting virtual memory synthesis in the continuous space. We integrate ECHO into the $π_0$ foundation model. Evaluations on LIBERO and preliminary real-world experiments demonstrate the effectiveness of our approach, notably achieving a 12.8% absolute improvement in execution success rate over the $π_0$ baseline on LIBERO-Long, while improving compositional generalization on cross-suite unseen long-horizon tasks.
Abstract（参考訳）: メモリ容量は、長期操作タスクにおけるビジョン・ランゲージ・アクション(VLA)モデルの性能を決定する重要な要因である。既存のメモリ拡張アーキテクチャは、主に線形またはフラットなストレージに依存しており、操作カテゴリや階層的な組織の構造的前提が欠如している。この欠損は、効率的な経験検索を妨げ、一般化を目に見えない長期タスク構成に制限する。ヒューマンエクスペリエンスの階層的組織に着想を得て,連続階層空間内で動作する新しいメモリフレームワークであるECHO(Experience Consolidation and Hierarchical Organization)を提案する。双曲型オートエンコーダを用いることで、ECHOはVLA隠された状態をこの空間にマッピングする。双曲的メトリクスとエンテーメント制約機構を活用することで、エクスペリエンスベクターは、効率的なトップダウン検索をサポートするセマンティックメモリツリーに編成される。並行して、背景統合機構は、幾何学的補間と構造的分割によって連続的に記憶木を洗練させ、連続空間における仮想記憶合成をサポートする。我々はECHOを$π_0$ファンデーションモデルに統合する。 LIBEROおよび予備的な実世界の実験による評価は,提案手法の有効性を示し,特にLIBERO-Long上でのπ_0$ベースラインよりも12.8%の絶対的な実行成功率の向上を実現し,また,クロススーツな長時間ホライゾンタスクにおける構成一般化を改善した。

関連論文リスト

SkillMemo: Expert-guided Skill Memory Framework for Compositional Embodied Manipulation [72.14179740056073]
Diffusion Policy (DP) や Vision-Language-Action (VLA) モデルを含む身体的視覚運動モデルは、ロボット操作ベンチマークで有望な性能を示した。我々は,長時間の実証を潜在原子スキルに暗黙的に分解するスキルベースメモリ(SkillMemo)フレームワークを提案する。
論文参考訳（メタデータ） (2026-08-06T12:46:13Z)
Memory for Large Language Models [18.001409529004807]
大規模言語モデルにおけるメモリの体系的・アーキテクチャ中心の分類法を提案する。メモリ書き込み、ルーティング、状態遷移、統合を規定する粒度のメカニズムを定式化する。この統一された視点は、計算に結合したメモリと独立して対応可能なメモリの間の概念的境界を解明する。
論文参考訳（メタデータ） (2026-07-28T07:34:53Z)
MemoryWAM: Efficient World Action Modeling with Persistent Memory [80.90899269062128]
本稿では,効率的な永続メモリを持つ世界アクションモデルであるMemoryWAMを紹介する。調整された注意機構は、詳細な短期コンテキストと圧縮された長期コンテキストの両方の検索を可能にする。 MemoryWAMは、シミュレーションと実世界の両方において、強力な視覚言語アクション(VLA)とWAMベースラインを上回っている。
論文参考訳（メタデータ） (2026-06-18T17:59:51Z)
Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents [51.30250860677378]
本稿では,連想記憶グラフとアクティブな再構成機構を組み合わせたフレームワークであるMRAgentを提案する。 Cue-Tag-Contentグラフ上で実行することで,メモリアクセスに直接推論を統合する。 LoCoMoベンチマークとLongMemEvalベンチマークの実験は、強いベースラインよりも大幅に改善されている。
論文参考訳（メタデータ） (2026-06-04T11:29:46Z)
RoboMME: Benchmarking and Understanding Memory for Robotic Generalist Policies [54.23445842621374]
記憶は、長い水平と歴史に依存したロボット操作にとって重要である。近年,視覚言語アクション(VLA)モデルにメモリ機構が組み込まれ始めている。本稿では,VLAモデルの評価と進展のための大規模標準ベンチマークであるRoboMMEを紹介する。
論文参考訳（メタデータ） (2026-03-04T21:59:32Z)
From Verbatim to Gist: Distilling Pyramidal Multimodal Memory via Semantic Information Bottleneck for Long-Horizon Video Agents [78.30630000529133]
本稿ではファジィトレース理論に基づくピラミッド型マルチモーダルメモリアーキテクチャMM-Memを提案する。 MM-Memメモリは階層的に感覚バッファ、エピソードストリーム、シンボリックに構造する。実験により、MM-Memがオフラインタスクとストリーミングタスクの両方で有効であることが確認された。
論文参考訳（メタデータ） (2026-03-02T05:12:45Z)
Aeon: High-Performance Neuro-Symbolic Memory Management for Long-Horizon LLM Agents [0.0]
大規模言語モデル(LLM)は、自己注意の2次計算コストと「中道の失われた」現象によって制約される。我々は,静的ストアではなく,管理OSリソースとしてメモリを再定義するニューロシンボリック認知オペレーティングシステムであるAeonを提案する。
論文参考訳（メタデータ） (2026-01-14T15:23:22Z)
Fine-Mem: Fine-Grained Feedback Alignment for Long-Horizon Memory Management [63.48041801851891]
Fine-Memは、きめ細かいフィードバックアライメントのために設計された統一されたフレームワークである。 MemalphaとMemoryAgentBenchの実験は、Fin-Memが強いベースラインを一貫して上回ることを示した。
論文参考訳（メタデータ） (2026-01-13T11:06:17Z)
CAM: A Constructivist View of Agentic Memory for LLM-Based Reading Comprehension [55.29309306566238]
現在のLarge Language Models (LLM) は、長文文書を解釈する際に圧倒的な情報量に直面している。この課題は、バニラLSMを自律的な読み出しエージェントに高めることができる凝集性メモリモジュールの必須性を高める。我々はジャン・ピアジェの構成主義理論(Constructivist Theory)からインスピレーションを得て、エージェントメモリの3つの特性(構造化スキーマ、フレキシブルな同化、動的調節)を表現した。
論文参考訳（メタデータ） (2025-10-07T02:16:30Z)
Hierarchical Memory for High-Efficiency Long-Term Reasoning in LLM Agents [19.04968632268433]
大規模言語モデルエージェント(LLMエージェント)のための階層型メモリアーキテクチャを提案する。各メモリベクトルは、次の層のセマンティック関連サブメモリを指し示す位置インデックスが埋め込まれている。推論フェーズにおいて、インデックスベースのルーティング機構は、網羅的な類似性計算を行うことなく、効率的な層間検索を可能にする。
論文参考訳（メタデータ） (2025-07-23T12:45:44Z)
Long-Context State-Space Video World Models [66.28743632951218]
本稿では、状態空間モデル(SSM)を活用して、計算効率を損なうことなく時間記憶を拡張する新しいアーキテクチャを提案する。我々の設計の中心はブロックワイズSSMスキャン方式であり、時間記憶の拡張のために空間整合性を戦略的にトレードオフする。メモリ迷路とMinecraftのデータセットの実験は、我々のアプローチが長距離メモリ保存のベースラインを超えたことを示している。
論文参考訳（メタデータ） (2025-05-26T16:12:41Z)
Learning and Evaluating Hierarchical Feature Representations [3.770103075126785]
我々は、直交部分空間の階層的構成(Hier-COS)という新しい枠組みを提案する。 Hier-COSは、与えられた分類木の構造と整合した設計により、深い特徴埋め込みをベクトル空間にマッピングすることを学ぶ。 Hier-COSはすべてのデータセットにまたがって最先端の階層的パフォーマンスを実現し,同時に1つのケースを除いてトップ1の精度を上回ります。
論文参考訳（メタデータ） (2025-03-10T20:59:41Z)

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。