論文の概要: Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence
- arxiv url: http://arxiv.org/abs/2608.12743v1
- Date: Thu, 13 Aug 2026 02:42:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.369413
- Title: Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence
- Title（参考訳）: 空間記憶エージェント:空間知能のための経験型プロシージャメモリ
- Abstract要約: 我々は,検証された空間経験を再利用可能な学習に変換するtextbfSpatial Memory Agent (SMA) を提案する。
検証可能な空間環境において、SMAは凍結されたVLMをクエリし、予測された回答と報酬を取得し、textbfverifier-guidedを使用して空間経験からコンパクトな伝達可能なレッスンを蒸留する。
SMAは, 各ベースモデルブロックのマクロ平均値が最も高く, 評価手法の中で最も精度が高い。
- 参考スコア（独自算出の注目度）: 8.471537051766001
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spatial intelligence is becoming a foundation for embodied agents, robotic planning, and multimodal assistants. To improve the spatial reasoning ability of VLM agents, existing work has mainly followed two lines. One line uses post-training methods, such as supervised fine-tuning and reinforcement learning. Another line adopts an agentic paradigm in which the model calls external spatial tools, such as depth estimation and 3D reconstruction tools, to gather intermediate spatial evidence. We study a complementary and underexplored route: Can a frozen VLM agent improve its spatial reasoning through \textbf{parameter-update-free self-evolution}, without depending on external expert spatial tools at inference time? We present \textbf{Spatial Memory Agent (SMA)}, an \textbf{experience-grounded runtime framework} that converts verified spatial experience into reusable transferable lessons. In a verifiable spatial environment, SMA queries the frozen VLM, obtains a predicted answer and reward, and uses \textbf{verifier-guided reflection} to distill compact transferable lessons from spatial experience. SMA further assigns each lesson a \textbf{Transfer Reliability Score (TRS)}, which is initialized uniformly and calibrated from later retrieval outcomes as visit evidence of future transfer reliability. During \textbf{read-only deployment}, SMA retrieves lessons by semantic filter and similarity-TRS combined ranking, allowing the retrieved memory to guide frozen model inference. Across five representative spatial benchmarks and four base VLMs, SMA achieves the highest macro average in every base-model block and the best accuracy among the evaluated methods in most of the 20 evaluations, establishing a practical parameter-update-free path for spatial self-evolution across the evaluated frozen model scales and environments.
- Abstract（参考訳）: 空間知能は、エンボディエージェント、ロボット計画、マルチモーダルアシスタントの基盤になりつつある。
VLMエージェントの空間的推論能力を向上させるために,既存の研究は主に2つの線を踏襲している。
1行は、教師付き微調整や強化学習のようなポストトレーニング手法を使用する。
別の行では、モデルが深度推定や3次元再構成ツールといった外部空間ツールを呼び出し、中間空間証拠を収集するエージェント的パラダイムを採用している。
凍結したVLMエージェントは、推論時に外部の専門家の空間ツールに依存することなく、‘textbf{parameter-update-free self-evolution} を通じて空間的推論を改善することができるか?
本稿では, 検証済み空間経験を再利用可能な伝達可能な学習に変換する, \textbf{Spatial Memory Agent (SMA) を提案する。
検証可能な空間環境において、SMAは凍結されたVLMをクエリし、予測された答えと報酬を取得し、空間経験からコンパクトな伝達可能なレッスンを蒸留するためにtextbf{verifier-guided Reflect} を使用する。
SMAはさらに、各レッスンに \textbf{Transfer Reliability Score (TRS) を割り当てる。
textbf{read-only deployment}では、SMAはセマンティックフィルタと類似性-TRSの組み合わせによるレッスンを検索し、検索したメモリが凍結したモデル推論をガイドする。
5つの代表的な空間的ベンチマークと4つの基本VLMにおいて、SMAは、評価された20評価のほとんどにおいて、ベースモデルブロックごとのマクロ平均と評価された方法の中で最も高い精度を達成し、評価された凍結モデルスケールと環境をまたいだ空間的自己進化のための実用的なパラメータ更新のないパスを確立した。
関連論文リスト
- QR-Erase: Efficient Subspace-Based Machine Unlearning with Layer Localization [7.530890774798437]
機械学習は、訓練されたモデルからターゲットとなる情報を、高価なリトレーニングを必要とせずに取り除こうとする。
サブスペースベースのフレームワークであるQR-Eraseを導入する。
本稿では,有界誤差による精度の高い部分空間復元を実現すること,また,軽度スペクトルギャップ条件下では,回復した部分空間が最適SVD解に近づくことを示す。
論文 参考訳（メタデータ） (2026-08-02T18:08:56Z) - Miles: Metric Learning with Expandable Subspace for Pre-Trained Model-Based Class-Incremental Learning [57.237835833636154]
本稿では,事前学習された知識の事前情報を活用するために,拡張可能なサブスペース(マイル)を用いたMetrIc Learningを提案する。
Milesは様々なCIL設定で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-07-20T06:22:02Z) - S-Agent: Spatial Tool-Use Elicits Reasoning for Spatial Intelligence [77.5121349100339]
textscS-Agentは空間的知覚をフレーム中心の認識を超えたシーン中心の理解に再認識する。
textscS-Agentは、VLMをセマンティックプランナーとしてキャストし、必要な証拠を決定する。
textscS-Agentは、トレーニングのない方法で、オープンソースとクローズドソース両方のVLMを一貫して改善する。
論文 参考訳（メタデータ） (2026-06-18T17:34:55Z) - SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning [99.49739831030388]
このインタフェースの設計は,オープンエンド空間推論のためのエージェントのキャパシティをいかに形作るかを検討する。
本研究では,アクションインタフェースとしてコードを採用する空間推論のためのトレーニングフリーフレームワークであるSpatialClawを提案する。
論文 参考訳（メタデータ） (2026-06-11T17:59:36Z) - Reasmory: 3D Reconstruction as Explicit Memory for VLMs Spatial Reasoning [43.950190960277865]
VLM(Vision-Language Models)は、空間的推論能力の出現を示すが、正確な空間的理解を必要とするタスクには信頼できない。
再構成空間メモリ上での構造化プログラム実行として空間推論を定式化するフレームワークであるtextbfReasmoryを提案する。
Reasmoryは明示的な3Dメモリを構築し、セマンティックな3Dオブジェクトインスタンスで拡張し、軽量なDomain-Specific Languageを導入している。
論文 参考訳（メタデータ） (2026-05-31T02:36:57Z) - Which Pretraining Paradigm Better Serves Spatial Intelligence? An Empirical Comparison of Vision-Language and Video Generation Models [31.851717131965824]
VLM(Vision-Language Models)とVGM(Video Generation Models)の最初の系統的凍結状態探索研究について述べる。
この軽量プローブを用いて,2つのモデルファミリの凍結表現にすでにコード化されている情報について,制御された比較を可能にする。
VLMはセマンティックタグ付けやインスタンスグルーピングが強く、VGMは密な幾何学やカメラの動きに対してよりアクセスしやすい信号を提供する。
論文 参考訳（メタデータ） (2026-05-27T08:20:04Z) - Dynamic Mixture of Latent Memories for Self-Evolving Agents [57.20419419302731]
MoLEMは、動的混合(MoE)に基づく潜在メモリフレームワークの生成混合物である。
我々は、数学、科学、コードドメインにまたがる連続的な学習シーケンスに基づいて、このフレームワークを訓練する。
連続学習を完了した後、Vanilla事前学習ベースラインよりも平均精度を10.40%向上させる。
論文 参考訳（メタデータ） (2026-05-21T03:35:10Z) - Memory-Augmented LLM-based Multi-Agent System for Automated Feature Generation on Tabular Data [52.80567461420316]
メモリ拡張LPMに基づくマルチエージェントシステム(textbfMALMAS)を提案する。
MALMASは生成プロセスを独立した責任を持つエージェントに分解し、ルータエージェントはイテレーション毎にエージェントの適切なサブセットを起動する。
さらに、手続きメモリ、フィードバックメモリ、概念記憶を含むメモリモジュールを統合し、その後の特徴生成を適応的に導く反復的改善を可能にする。
論文 参考訳（メタデータ） (2026-04-22T07:09:30Z) - Towards Continuous Intelligence Growth: Self-Training, Continual Learning, and Dual-Scale Memory in SuperIntelliAgent [10.571643330948858]
SuperIntelliAgentは、学習可能な小さな拡散モデル(学習者)と凍結した大言語モデル(検証者)を結合するエージェント学習フレームワークである。
従来の教師付き微調整とは異なり、SuperIntelliAgentはアノテーションなしで自律的に学習する。
トレーニング可能な学習者と推論可能な検証器をペアリングすることは、知性を成長させる最小限の信頼性単位となると仮定する。
論文 参考訳（メタデータ） (2025-11-28T18:32:49Z) - Maximally-Informative Retrieval for State Space Model Generation [59.954191072042526]
テスト時に特定のクエリに対するモデル不確実性を最小化するために、Retrieval In-Context Optimization (RICO)を導入する。
文書検索に外部に依存した従来の検索強化生成(RAG)とは異なり,本手法はモデルから直接のフィードバックを利用する。
モデル勾配を用いた標準のトップ$kの検索は、最適化手順を近似し、残余損失への接続を提供することを示す。
論文 参考訳（メタデータ） (2025-06-13T18:08:54Z) - Multitask Adaptation by Retrospective Exploration with Learned World
Models [77.34726150561087]
本稿では,タスク非依存ストレージから取得したMBRLエージェントのトレーニングサンプルを提供するRAMaというメタ学習型アドレッシングモデルを提案する。
このモデルは、期待されるエージェントのパフォーマンスを最大化するために、ストレージから事前のタスクを解く有望な軌道を選択することで訓練される。
論文 参考訳（メタデータ） (2021-10-25T20:02:57Z) - Exploring Dynamic Context for Multi-path Trajectory Prediction [33.66335553588001]
動的コンテキストネットワーク(DCENet)という新しいフレームワークを提案する。
本フレームワークでは,エージェント間の空間的コンテキストを自己注意型アーキテクチャを用いて探索する。
学習した空間的時間的文脈に基づいて、各エージェントに対する将来の軌跡のセットを条件付きで予測する。
論文 参考訳（メタデータ） (2020-10-30T13:39:20Z)
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。