論文の概要: Where Memory Belongs: Ledger, an Object Ledger for Memory-Augmented VLAs

• arxiv url: http://arxiv.org/abs/2609.34554v1
• Date: Mon, 28 Sep 2026 08:12:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 12:31:33.795438
• Title: Where Memory Belongs: Ledger, an Object Ledger for Memory-Augmented VLAs
• Title（参考訳）: メモリの長所:Ledger、メモリ拡張VLAのためのオブジェクトレッダー
• Abstract要約: 記憶は部分的に観察されたロボット操作に不可欠である。 最近のビジョン・アクション・スーツ・モデルは、ポリシーに直接メモリを組み込むが、単一の政治メカニズムは示さない。 我々は、単一のきめ細かいポリシーの分割を実現するハーネスであるLedgerを提示する。
• 参考スコア（独自算出の注目度）: 4.625296998318167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Memory is essential for long-horizon, partially observed robotic manipulation: a robot must remember which object was placed in a drawer, whose cup it moved, or how many action cycles have elapsed. Recent vision-language-action (VLA) models embed memory directly inside the policy, but benchmarks show no single in-policy mechanism covers all spatio-temporal dimensions, trailing oracle methods by a wide margin. We argue that memory type dictates where memory should reside: short-term perceptual memory (repetition, timing, retracing) belongs inside the policy, while long-term object memory (persistent spatial state, containment, event history) belongs outside as an explicit, readable record. We present Ledger, a harness that realizes this split over a single fine-tuned $π_{0.5}$ policy by pairing an in-policy frame-sampling memory with an external spatio-temporal object memory, the ledger, built from a SAM3 tracker and a VLM captioner of the demonstration and read by an LLM planner that decides at step boundaries. On RoboMME, Ledger reaches the highest four-suite average among the evaluated methods, 64.3% (vs. 45.9% for the strongest prior method under identical evaluation), leading object reference (60.7% vs. 40.3%) and object permanence (86.7% vs. 56.2%) using a single set of weights. Choosing the memory source at runtime, from the instruction and the record, removes the need for a task-level router.
• Abstract（参考訳）: ロボットは、どの物体が引き出しに置かれていたか、そのカップが動いたか、どのアクションサイクルが経過したかを記憶しなければならない。 近年のヴィジュアル・ランゲージ・アクション(VLA)モデルは、そのポリシーに直接メモリを埋め込んでいるが、ベンチマークでは、全ての時空間をカバーし、オラクル法を幅広いマージンで追従する単一の政治メカニズムは示されていない。 短期的知覚記憶(繰り返し、タイミング、追跡)はポリシー内にあり、長期的オブジェクト記憶(空間状態、封じ込め、イベント履歴)は明示的で読みやすい記録である。 我々は、この分割を実現するためのハーネスであるLedgerを、ステップ境界を決定するLCMプランナーによって読み取られたSAM3トラッカーとVLMキャプタから構築された、外部時空間オブジェクトメモリと、政治上のフレームサンプリングメモリをペアリングすることで、これを実現した。 RoboMMEでは、Ledgerは64.3%(同一評価で最強の先行手法では45.9%)、リードオブジェクト参照(60.7%対40.3%)、オブジェクト永続(86.7%対56.2%)の4つの評価手法の中で最高値に達した。 実行時に命令とレコードからメモリソースを選択すると、タスクレベルのルータが不要になる。

関連論文リスト

• MEMOBench: A Process Level Memory Benchmark for Robotic Manipulation [36.81053166644513]
  ロボット操作におけるプロセスレベルのメモリ評価のベンチマークである textbfMEMOBench を提案する。 MEMOBenchには30の履歴依存タスク、1500のエキスパートデモ、84のテンプレートから4,200の実行可能なチェックポイントインスタンスが含まれている。
  論文  参考訳（メタデータ） (2026-09-07T05:06:20Z)
• UniMem: Unifying Multimodal Memory and Control for Vision-Language-Action Models [8.70663346892131]
  我々は,高レベルのマルチモーダルメモリと低レベルの制御を1つのバックボーンの下に統一するフレームワークUniMemを提案する。 逐次記憶と空間記憶を対象とする5つのシミュレーションと4つのハードウェアタスクでUniMemを評価する。
  論文  参考訳（メタデータ） (2026-08-24T06:56:02Z)
• GaussMemory: Task-Driven 3D Gaussian Scene Memory for Long-Horizon Robotic Manipulation [10.233658861023612]
  長距離ロボット操作は永続的な空間記憶に依存している。 既存の3Dメモリシステムは、固定された手作りのルールを使用して観測を記憶する。 本稿では、パッシブストレージからアクティブなタスク駆動空間記憶へのパラダイムシフトを提案する。
  論文  参考訳（メタデータ） (2026-08-15T02:28:59Z)
• Memory as a Controlled Process: Learned Adaptive Memory Management for LLM Agents [72.3752981234916]
  大きな言語モデル(LLM)エージェントは、タスク間の経験を蓄積するために、外部メモリシステムに依存している。 メモリ操作をマルコフ決定プロセスとしてモデル化するフレームワークである制御プロセス(MemCon)としてメモリを提示する。 MemConは、複数のメモリベースラインのタスク成功率を最大15.2ポイント上回り、トークン消費量を5-20%削減している。
  論文  参考訳（メタデータ） (2026-07-15T08:32:40Z)
• Personalize-then-Store: Benchmarking and Learning Personalized Memory for Long-horizon Agents [20.22872890297194]
  既存の大規模言語モデル(LLM)ベースのメモリシステムは、基本的な現実を覆い隠す、普遍的で静的なポリシーを適用している。 パーソナライズされたメモリシステムを評価するための最初のベンチマークであるPerMemBenchを紹介する。 本稿では,過渡セッションのメモリ操作を選択的にバイパスする軽量フレームワークであるセッションレベルのストレージゲーティングを提案する。
  論文  参考訳（メタデータ） (2026-05-25T07:48:33Z)
• RoboMemArena: A Comprehensive and Challenging Robotic Memory Benchmark [49.16825786282095]
  記憶はロボットインテリジェンスにとって重要な要素であり、ロボットは長期のタスクを達成するために過去の観察と行動に頼る必要がある。 既存のロボットメモリベンチマークには、メモリ形成のためのマルチモーダルアノテーションがなく、タスクカバレッジと構造的複雑さが制限されており、実際の評価なしにシミュレーションに制限されている。 このギャップに対処するため、26タスクの大規模ベンチマークであるRoboMemArenaでは、タスク毎の平均軌道長が1,000ステップを超え、サブタスクの68.9%がメモリ依存である。
  論文  参考訳（メタデータ） (2026-05-11T17:54:49Z)
• 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)
• MEM: Multi-Scale Embodied Memory for Vision Language Action Models [73.3883864595845]
  本稿では,マルチスケール・エンボダイドメモリ(MEM)について紹介する。 MEMはビデオベースの短水平メモリをビデオエンコーダで圧縮し、テキストベースの長水平メモリと組み合わせている。 MEMは、キッチンを掃除したり、チーズサンドイッチを焼いたりして、最大15分間のタスクをロボットが実行できるようにする。
  論文  参考訳（メタデータ） (2026-03-04T00:03:02Z)
• Rethinking Memory in AI: Taxonomy, Operations, Topics, and Future Directions [55.19217798774033]
  メモリは、大規模言語モデル(LLM)ベースのエージェントを支える、AIシステムの基本コンポーネントである。 本稿ではまず,メモリ表現をパラメトリックおよびコンテキスト形式に分類する。 次に、コンソリデーション、更新、インデックス付け、フォッティング、検索、圧縮の6つの基本的なメモリ操作を紹介します。
  論文  参考訳（メタデータ） (2025-05-01T17:31:33Z)

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。