論文の概要: HiMem-WAM: Hierarchical Memory-Gated World Action Models for Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2606.10363v1
- Date: Tue, 09 Jun 2026 03:22:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:37.986898
- Title: HiMem-WAM: Hierarchical Memory-Gated World Action Models for Robotic Manipulation
- Title（参考訳）: HiMem-WAM:ロボットマニピュレーションのための階層型メモリゲート世界行動モデル
- Authors: Xiaoquan Sun, Ruijian Zhang, Chen Cao, Yihan Sun, Jiahui Chen, Zetian Xu, Bo Chen, Haijier Chen, Zhen Yang, Jiarun Zhu, Yijun Hong, JingZhe Xu, Jingrui Pang, Mingqi Yuan, Jiayu Chen,
- Abstract要約: 動作中心の潜伏動作、ハイレベルなスキル潜伏動作、境界トリガーによるメモリ更新を統合した階層型メモリゲート型WAMであるHiMem-WAMを提案する。
具体的には,低レベル動作と高レベルスキル潜伏者を協調的に学習する階層型潜伏行動フレームワークを開発する。
境界対応メモリゲートは、予測されたスキル遷移時にコンパクトなタスク状態を書き、将来のビデオや光フロー推定をテスト時間生成することなく因果推論を可能にする。
- 参考スコア（独自算出の注目度）: 12.167895321305464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World Action Models (WAMs) have emerged as a new powerful paradigm for embodied intelligence, learning action-relevant visual dynamics that significantly enhance generalization and robustness. However, existing WAMs still struggle with task-relevant memory in long-horizon robotic manipulation. To address this, we present HiMem-WAM, a Hierarchical Memory-Gated WAM that integrates motion-centric latent actions, high-level skill latents, and boundary-triggered memory updates. Specifically, we develop a hierarchical latent action framework that jointly learns low-level motion and high-level skill latents, providing structured temporal abstraction. Meanwhile, a boundary-aware memory gate writes compact task states at predicted skill transitions, enabling causal inference without test-time generation of future video or optical flow estimation. Evaluated on LIBERO, LIBERO-PLUS, RMBench and real-world tasks, HiMem-WAM shows that hierarchical latents improve robustness under deployment perturbations, and the memory module substantially benefits memory-dependent long-horizon manipulation.
- Abstract（参考訳）: World Action Models (WAM) は、インテリジェンスを具現化するための新しい強力なパラダイムとして、一般化と堅牢性を大幅に向上するアクション関連視覚力学の学習として登場した。
しかし、既存のWAMは長い水平ロボット操作においてタスク関連メモリに苦戦している。
これに対処するために,動作中心の潜伏動作,ハイレベルなスキル潜伏動作,境界トリガーメモリ更新を統合した階層型メモリゲート型WAMのHiMem-WAMを提案する。
具体的には,低レベル動作と高レベルスキル潜時を協調的に学習し,時間的抽象構造を提供する階層型潜時行動フレームワークを開発する。
一方、境界対応メモリゲートは、予測されたスキル遷移時にコンパクトなタスク状態を書き、将来のビデオや光フロー推定をテスト時間生成することなく因果推論を可能にする。
LIBERO, LIBERO-PLUS, RMBench, および実世界のタスクに基づいて評価したHiMem-WAMは、階層的潜伏がデプロイメントの摂動下で堅牢性を改善し、メモリモジュールはメモリ依存の長期操作に実質的に役立つことを示した。
関連論文リスト
- MemoryVLA++: Temporal Modeling via Memory and Imagination in Vision-Language-Action Models [80.70528162709276]
効果的な制御は過去の相互作用の記憶と将来の状態の想像を必要とするため、ロボット操作には時間モデリングが不可欠である。
本稿では,VLAモデルにメモリと想像力を付与し,ロボット操作のためのフル時間モデリングフレームワークであるMemoryVLA++を提案する。
提案手法は,Libero,SimplerEnv,Mikasa-Robo,Calvin,Libero-Plus,多種多様な実ロボットタスクにまたがって高い性能を実現する。
論文 参考訳（メタデータ） (2026-06-08T17:59:53Z) - BrainMem: Brain-Inspired Evolving Memory for Embodied Agent Task Planning [17.072340201392723]
エージェントは複雑な3D環境で長期的、ゴール指向のアクションを実行する必要がある。
本稿では,人間の認知に触発された動作,エピソード,セマンティックメモリを具備した,非トレーニング型階層型メモリシステムBrainMemを提案する。
論文 参考訳（メタデータ） (2026-03-12T17:54:42Z) - LatentMem: Customizing Latent Memory for Multi-Agent Systems [44.59989123744384]
トークン効率のよいエージェント固有のメモリをカスタマイズするための学習可能なマルチエージェントメモリフレームワークであるLatentMemを提案する。
具体的には、生の相互作用軌跡を軽量な形式で記憶する体験銀行と、検索された経験とエージェント固有の文脈に基づいて条件付けられたコンパクトな潜時記憶を合成するメモリ作曲家とを備える。
論文 参考訳（メタデータ） (2026-02-03T03:03:16Z) - MemoryVLA: Perceptual-Cognitive Memory in Vision-Language-Action Models for Robotic Manipulation [59.31354761628506]
このようなタスクは本質的にマルコフ的ではないが、主流のVLAモデルはそれを見落としているため、ロボット操作には時間的コンテキストが不可欠である。
本稿では,長距離ロボット操作のためのコグニション・メモリ・アクション・フレームワークであるMemoryVLAを提案する。
本稿では,3つのロボットを対象とした150以上のシミュレーションと実世界のタスクについて評価する。
論文 参考訳（メタデータ） (2025-08-26T17:57:16Z) - RoboMemory: A Brain-inspired Multi-memory Agentic Framework for Interactive Environmental Learning in Physical Embodied Systems [41.89907261427986]
エージェントは、部分的可観測性、空間的推論の制限、高速なマルチメモリ統合など、現実世界の環境において永続的な課題に直面している。
本稿では, 空間, 時間, エピソディック, セマンティックメモリを並列化して, 効率的な長期計画と対話型環境学習を実現する, 脳にインスパイアされたフレームワークであるRoboMemoryを紹介する。
EmbodiedBenchの実験によると、Qwen2.5-VL-72B-Ins上に構築されたRoboMemoryはベースラインを25%上回り、クローズドソース(SOTA)のGemini-1.5を超えている。
論文 参考訳（メタデータ） (2025-08-02T15:39:42Z) - FindingDory: A Benchmark to Evaluate Memory in Embodied Agents [49.18498389833308]
本研究では,Habitatシミュレータに長距離エンボディタスクのための新しいベンチマークを導入する。
このベンチマークは、持続的なエンゲージメントとコンテキスト認識を必要とする60タスクにわたるメモリベースの機能を評価する。
論文 参考訳（メタデータ） (2025-06-18T17:06:28Z) - 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) - From RAG to Memory: Non-Parametric Continual Learning for Large Language Models [6.380729797938521]
検索強化世代(RAG)は、新しい情報を導入する主要な方法となっている。
最近のRAGは、知識グラフのような様々な構造を持つベクトル埋め込みを拡大して、いくつかのギャップ、すなわちセンスメイキングと連想性に対処している。
我々は,現実的,感覚的,連想的なメモリタスクにおいて,標準RAGを総合的に上回るフレームワークであるHippoRAG 2を提案する。
論文 参考訳（メタデータ） (2025-02-20T18:26:02Z) - Stable Hadamard Memory: Revitalizing Memory-Augmented Agents for Reinforcement Learning [64.93848182403116]
現在のディープラーニングメモリモデルは、部分的に観察可能で長期にわたる強化学習環境で苦労している。
本稿では,強化学習エージェントのための新しい記憶モデルであるStable Hadamard Memoryを紹介する。
我々の手法は、部分的に観測可能なベンチマークに挑戦する上で、最先端のメモリベースの手法よりも大幅に優れています。
論文 参考訳（メタデータ） (2024-10-14T03:50:17Z)
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。