論文の概要: Try Once, Then Optimal: De-Redundified Procedure Memory for Cross-Episode Exploration Amortization
- arxiv url: http://arxiv.org/abs/2607.23702v1
- Date: Sun, 26 Jul 2026 14:49:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.206884
- Title: Try Once, Then Optimal: De-Redundified Procedure Memory for Cross-Episode Exploration Amortization
- Title（参考訳）: try once, then Optimal: De-redundified procedure Memory for Cross-Episode Exploration Amortization
- Abstract要約: 我々は、探索を暗記するオブジェクト中心のフレームワークであるインスタンス指向メモリ(IOM)を提示する。
IOMは、そのインスタンスを操作するための短い手順を記録し、それをオブジェクトの識別可能な特徴にキーし、プロシージャ条件のポリシーにソフトバイアスとして注入する。
その後の遭遇はオブジェクトを認識し、再探索する代わりにその手順をリコールする。
- 参考スコア（独自算出の注目度）: 22.83514174003599
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Manipulating objects with hidden internal state, such as a latched microwave, forces a robot to probe before it can act. Yet a robot that has solved an instance once re-runs the same probes whenever it encounters that instance again, because existing cross-episode memories target task success and organize reuse around states, not the object or the cost of re-exploring it. We present Instance-Oriented Memory (IOM), an object-centric framework that amortizes this exploration: from a single encounter that uncovers the hidden state, whether or not it succeeds, IOM records a short procedure for manipulating that instance, keys it on the object's identifiable features, and injects it as a soft bias on a procedure-conditioned policy. A later encounter recognizes the object and recalls its procedure instead of re-exploring. We instantiate this distillation with an off-the-shelf vision-language model (VLM) that parses each encounter into the procedure without task-specific training. Across four articulated-object tasks, two in simulation (microwave, door) and two on a real robot (bottle, cabinet), an oracle procedure memory cuts manipulation operations by 16-30% over re-exploration at non-regressing success, and the VLM instantiation recovers 69-88% of that saving out of the box. Because the procedure is a soft bias on a feedback-driven policy, an incorrect memory is recovered from rather than obeyed: success holds even when a retrieved procedure is wrong, as for $\approx$12% of door instances. Across all tasks the benefit is purely one of efficiency: success never regresses, and on the real robot even improves. Code will be released upon acceptance.
- Abstract（参考訳）: 電子レンジのような隠れた内部状態で物体を操作することで、ロボットに動作させる前に探査を強制する。
しかし、インスタンスを解決したロボットは、そのインスタンスに遭遇するたびに同じプローブを再実行します。
我々は、この探索を暗示するオブジェクト中心のフレームワークであるインスタンス指向メモリ(IOM)を提示する: 隠れた状態を明らかにする単一の出会いから、それが成功するかどうかに関わらず、IOMは、そのインスタンスを操作するための短い手順を記録し、それをオブジェクトの識別可能な特徴にキーし、手続き条件付きポリシーにソフトなバイアスとして注入する。
その後の遭遇はオブジェクトを認識し、再探索する代わりにその手順をリコールする。
この蒸留を市販のヴィジュアル言語モデル (VLM) でインスタンス化し, タスク固有の訓練を使わずに各コンシュームを解析する。
シミュレーション(マイクロ波、ドア)で2つ、実際のロボット(ボトル、キャビネット)で2つ、非回帰的な成功で再探索してオラクルプロシージャメモリで操作を16～30%削減し、VLMインスタンス化は69～88%を箱から回収する。
プロシージャはフィードバック駆動のポリシーに対するソフトバイアスであるため、不正なメモリは従わずに回収される: ドアインスタンスの$\approx$12%のように、検索されたプロシージャが間違っていても成功は維持される。
すべてのタスクにおいて、利益は純粋に効率の1つだ。成功は決して後退せず、本物のロボットでも改善される。
コードは受理時にリリースされる。
関連論文リスト
- Procedural Memory Under Change: Reuse and Interference in Controlled Web Tasks [0.0]
手続き記憶により、言語エージェントは成功したルーチンを再利用できるが、再利用は格納されたルーチンが引き続き適用可能であると仮定する。
我々はその推定が故意に違反した場合に何が起こるかを研究する。
論文 参考訳（メタデータ） (2026-09-09T06:22:42Z) - AGM: Achievement-Grounded Memory for Closed-Loop Agents with Frozen VLA Policies [17.09836507714724]
本稿では,凍結視覚言語行動(VLA)ポリシーのためのAGM(Achievement-Grounded Memory)を提案する。
AGMは、タスクをプログレスポインタ付きサブゴールシーケンスとして表現し、現在のサブゴールが物理的証拠によって検証された後にのみ、このメモリを前進させる。
RoboMME Countingベンチマークでは、AGMがPickXTimesとBinFillに到達し、メモリ拡張ベースラインを平均で上回っている。
論文 参考訳（メタデータ） (2026-08-30T03:50:49Z) - MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。
MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。
長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
論文 参考訳（メタデータ） (2026-07-14T15:33:44Z) - WatchAct: A Benchmark for Behavior-Grounded Robot Manipulation [49.31386176285509]
WatchActは、観察された人間の行動に基づくロボット操作のベンチマークである。
WatchActは4つの機能ドメインで14タスクにわたる3,000のロングホライゾンインスタンスで構成されている。
シミュレーションとFranka Research 3ロボットの両方で、現在のシステムはWatchActの解決には程遠い。
論文 参考訳（メタデータ） (2026-06-24T23:13:56Z) - MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery [58.64329475683699]
我々は、長期記憶は監査可能な相互作用後のアーティファクトとして評価されるべきであると主張している。
我々は、メモリを備えたエージェントがシミュレーションユーザを支援するベンチマークであるMEMPROBEで、このビューをインスタンス化する。
私たちは、成功したアシストと回復可能なメモリが、異なる機能として振る舞うことに気付きました。
論文 参考訳（メタデータ） (2026-06-23T13:52:46Z) - Remember what you did?: Learning Behavioral Memories for Partially Observable Object Manipulation [1.5192151934554061]
圧縮行動記憶ポリシー(CAMP)について紹介する。
CAMPは、ロボット自身の行動履歴が、高度に情報的かつ自己管理的な信号として機能する、という洞察に基づいている。
CAMPを4つの実ロボット・セットアップと2つの新しいシミュレーション・ベンチマークで評価した。
論文 参考訳（メタデータ） (2026-06-19T07:56:58Z) - Worth Remembering: Surprise-Gated Robot Episodic Memory [12.101245779148316]
本稿では,V-JEPA-2によって提供されるセマンティックにリッチなデプロイメントに依存しない潜在空間において,サプライズを計算する手法を提案する。
4次元シーングラフに基づく空間記憶を増強するために,我々のゲート型エピソードメモリを用いて,ロボット質問応答における最先端ベンチマークよりも一貫した改善を示す。
論文 参考訳（メタデータ） (2026-06-02T15:39:27Z) - 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) - ChangingGrounding: 3D Visual Grounding in Changing Scenes [92.00984845186679]
現実世界のロボットは自然言語からオブジェクトをローカライズするが、周囲のシーンは変化し続けている。
既存の3Dビジュアルグラウンドティング(3DVG)手法のほとんどは、再構築された最新の点雲を前提としている。
エージェントが過去の観測をいかにうまく活用できるかを明示的に測定する最初のベンチマークであるChangeingGroundingを紹介します。
論文 参考訳（メタデータ） (2025-10-16T17:59:16Z) - Memp: Exploring Agent Procedural Memory [72.41472703974935]
LLM(Large Language Models)ベースのエージェントは様々なタスクをこなすが、静的パラメータで手動で設計または絡み合うような不安定なプロシージャメモリに悩まされる。
本稿では,過去のエージェントの軌跡をステップバイステップの細粒度と高レベルなスクリプトライクな抽象化の両方に蒸留するMempを提案する。
メモリレポジトリが洗練されるにつれて、エージェントは着実に高い成功率と類似タスクの効率を達成できることを示す。
論文 参考訳（メタデータ） (2025-08-08T16:20:56Z)
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。