論文の概要: Memory as Plans: World-Action Modeling with Memory-Grounded Planning
- arxiv url: http://arxiv.org/abs/2609.11561v1
- Date: Thu, 10 Sep 2026 13:52:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.37696
- Title: Memory as Plans: World-Action Modeling with Memory-Grounded Planning
- Title（参考訳）: メモリ・アズ・プラン: メモリ・グラウンド・プランニングによるワールド・アクション・モデリング
- Abstract要約: MaP-WAMはメモリ依存のワールドアクションモデリングをメモリグランドプランニングとプランコンディショニングに分解するメモリ・アズ・プランンズフレームワークである。
MaP-WAMはRMBenchの最先端のパフォーマンスを83.3%の成功率で達成し、実際のロボットタスクで78.0%の成功を達成した。
- 参考スコア（独自算出の注目度）: 33.29460541345171
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mainstream robotic policies often adopt a Markovian formulation, but many complex real-world manipulation tasks are inherently non-Markovian, requiring long-horizon memory beyond the current observation. Existing memory mechanisms often rely on language summaries, growing visual windows, or their combinations, and may therefore lose fine-grained visual evidence or face a trade-off between history coverage and execution efficiency. We introduce MaP-WAM, a Memory-as-Plans framework that decomposes memory-dependent world-action modeling into memory-grounded planning and plan-conditioned execution, and uses long-term multimodal episodic context as planning-time evidence rather than repeatedly conditioning the executor on the full history. MaP-WAM represents memory as completed segment records containing language instructions and sparse visual context, and converts this episodic memory into compact plans comprising the next segment-level language plan and corresponding visual guidance. A World-Action-Progress (WAP) model executes each plan over an unknown duration by jointly predicting action chunks and corresponding execution progress at inference time, calibrating predicted progress through plan-observation alignment for adaptive segment transitions and closed-loop context updates. MaP-WAM keeps the executor context length fixed, while structured attention further enables key-value caching in both planning and execution. MaP-WAM achieves state-of-the-art performance on RMBench with an 83.3% success rate and attains 78.0% success on real-robot tasks, while maintaining approximately constant executor inference latency as task history grows.
- Abstract（参考訳）: 主流のロボットポリシーはマルコフの定式化を採用することが多いが、多くの複雑な実世界の操作タスクは本質的にマルコフのものではない。
既存のメモリ機構は、しばしば言語要約、視覚的ウィンドウの成長、あるいはそれらの組み合わせに依存しており、その結果、きめ細かい視覚的証拠を失うか、履歴のカバレッジと実行効率のトレードオフに直面している。
メモリ依存のワールドアクションモデリングをメモリベースプランニングと計画条件実行に分解するメモリ・アズ・プランンズ・フレームワークであるMaP-WAMを導入する。
MaP-WAMは、言語命令とスパース視覚コンテキストを含む完成したセグメントレコードとしてメモリを表現し、このエピソードメモリを次のセグメントレベルの言語プランと対応するビジュアルガイダンスを含むコンパクトプランに変換する。
World-Action-Progress(WAP)モデルは、アクションチャンクとそれに対応する実行進捗を推論時に共同で予測し、アダプティブセグメント遷移とクローズドループコンテキスト更新のためのプラン・オブザーブレーションアライメントを通じて予測進捗を校正することにより、各プランを未知の期間にわたって実行する。
MaP-WAMはエグゼクタコンテキストの長さを一定に保ち、構造化された注目により、計画と実行の両方でキー値キャッシュが可能になる。
MaP-WAMはRMBenchの最先端性能を83.3%の成功率で達成し、実際のロボットタスクでは78.0%の成功を達成し、タスク履歴が増加するにつれてほぼ一定の実行時推論遅延を維持する。
関連論文リスト
- CHIME: Credit-Aware Hierarchical Memory Evolution for Long-Horizon Agentic Planning [46.278651660199664]
計画はエージェントが複雑なロングホライゾンタスクを管理可能なステップに分解できる中心的な能力である。
テストタイム検索とトレーニングベースの手法は計画を改善するが、高い推論コストを発生させる。
自己進化型メモリは、エージェントインタラクションの結果から再利用可能なエクスペリエンスを外部メモリバンクに蓄積する。
論文 参考訳（メタデータ） (2026-09-02T03:59:21Z) - WorldScape Policy 2.0: Empowering Steerable World Action Modeling with Reasoning-Augmented Memory [50.19449886428936]
We introduced WorldScape Policy 2.0, a controllable WAM with reasoning-augmented long long-term memory。
検索された履歴は、認識と自己回帰的に生成された計画トークンを増大させ、自律的な計画のための暗黙のサブゴール条件をもたらす。
シミュレーションと実世界のプラットフォームにおける実験は、長期の自律計画、きめ細かい指示、文脈内適応において優れた能力を示す。
論文 参考訳（メタデータ） (2026-07-21T08:25:37Z) - MEMORA: Embodied Action Memory from Egocentric Videos for Reasoning and Planning [27.103249755262212]
ロングホライズンロボットの計画には、将来の目標を解釈可能な具体的体験の記憶が必要である。
私たちは、Embodied Action Memory(EAM)を、後の決定のために永続的なメモリ状態として、そのエクスペリエンスを形成、維持、使用する能力として定式化します。
MEMORAは, 生成・統合・検索ライフサイクルと4つの型付きストアでEMAを実現する。
論文 参考訳（メタデータ） (2026-07-15T18:12:28Z) - 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) - MemGround: Long-Term Memory Evaluation Kit for Large Language Models in Gamified Scenarios [33.8882826707344]
MemGroundは、リッチでゲーミフィケーションされたインタラクティブシナリオを基盤とした、厳格な長期メモリベンチマークである。
メモリ利用と行動軌跡の両方を包括的に定量化するために,多次元計量スイートを提案する。
論文 参考訳（メタデータ） (2026-03-23T02:57:39Z) - 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) - 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) - 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) - EPD: Long-term Memory Extraction, Context-awared Planning and Multi-iteration Decision @ EgoPlan Challenge ICML 2024 [50.89751993430737]
本研究では,長期記憶抽出,コンテキストアウェアド計画,多項目決定という3段階からなる新しい計画手法を提案する。
EPDは1,584のエゴセントリックなタスク計画質問に対して53.85%の計画精度を達成した。
論文 参考訳（メタデータ） (2024-07-28T15:14:07Z)
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。