論文の概要: ReCAT: Remember, Count, and Time: Structured Recurrent Memory for Robot Manipulation

• arxiv url: http://arxiv.org/abs/2609.35200v1
• Date: Mon, 28 Sep 2026 13:58:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 16:10:38.570181
• Title: ReCAT: Remember, Count, and Time: Structured Recurrent Memory for Robot Manipulation
• Title（参考訳）: ReCAT: ロボット操作のための構造化されたリカレントメモリ
• Abstract要約: ReCATは構造化されたリカレントメモリを備えた言語条件のポリシーである。 フローマッチングトランスフォーマーデコーダは、各ブロックで別々のクロスアテンションを通して、現在の状態と過去の表現を読み取る。 ReCAT内の制御された比較では、この性能には観測エンコーダと全ブロックメモリコンディショニングが必要であることが示されている。
• 参考スコア（独自算出の注目度）: 6.356161868721963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Memory-dependent manipulation requires robots to make decisions using information that is no longer available to their current sensors, such as recalling an earlier visual cue, tracking task progress, counting repeated events, or estimating elapsed time. We present ReCAT, a language-conditioned policy with structured recurrent memory. An instruction-conditioned encoder forms features from the current observation. A recurrent memory integrates the observation stream through Mamba-2 layers and one causal attention layer. A flow-matching Transformer decoder reads the current and the historical representation through separate cross-attention in every block. ReCAT reaches 95.3\% average success on LIBERO and 62.4\% on RMBench, with the best or tied-best result on six of nine tasks. On three real-robot tasks probing spatial recall, event counting, and interval timing, the best ReCAT variant reaches 66.7\% average success, against 8.3\% for the strongest short-history baseline. Controlled comparisons within ReCAT show that the observation encoder and every-block memory conditioning are needed for this performance. They also show that update rules developed for efficient sequence modeling behave differently as robot memory: additive updates have the highest observed success on counting and timing, and delta-rule updates on spatial recall. Project website is at https://intuitive-robots.github.io/ReCAT
• Abstract（参考訳）: メモリ依存的な操作では、以前の視覚的キューのリコール、タスクの進捗の追跡、繰り返しイベントのカウント、経過時間の推定など、現在のセンサでは利用できない情報を使用して決定を行う必要がある。 本稿では,リカレントメモリを構造化した言語条件ポリシーであるReCATを提案する。 命令条件付きエンコーダは、現在の観測から特徴を形成する。 繰り返しメモリは、マンバ2層と1つの因果注意層を介して観測ストリームを統合する。 フローマッチングトランスフォーマーデコーダは、各ブロックで別々のクロスアテンションを通して、現在の状態と過去の表現を読み取る。 ReCAT は LIBERO で 95.3\% 、RMBench で 62.4\% に達する。 空間的リコール、イベントカウント、インターバルタイミングを探索する3つの実ロボットタスクにおいて、最も優れたReCAT変種は66.7 %、最強の短史ベースラインでは8.3 %に達する。 ReCAT内の制御された比較では、この性能には観測エンコーダと全ブロックメモリコンディショニングが必要であることが示されている。 彼らはまた、効率的なシーケンスモデリングのために開発された更新ルールがロボットメモリと異なる振る舞いをすることを示した。 Project Webサイトはhttps://intuitive-robots.github.io/ReCATにある。

関連論文リスト

• Benchmarking Robot Memory Under Interference [0.0]
  本稿では,RoboMME上に構築されたクロスセッションベンチマークであるRoboMME-Interferenceを紹介する。 各クエリエピソードに対して、クエリの関連する事前デモンストレーションと、制御された無関係セッション数を用いてセッション履歴を構築する。 RoboMMEがリリースしたメモリ拡張された$_0.5$の変種をこのベンチマークで無修正で実行することで、知覚的なメモリ変種が障害のない履歴を与えられた場合の成功を改善するが、無関係なセッションが蓄積されるにつれて、それらは強く、着実に崩壊することがわかった。
  論文  参考訳（メタデータ） (2026-06-21T05:06:16Z)
• MemoryVAM: Integrating Memory into Video Action Model for Robot Manipulation [32.07039868974098]
  本稿では,ビデオワールドモデルポリシーのためのエピソードメモリ機構であるMemoryVAMを提案する。 我々はRecap-Cue(RC)モジュールを使用し、PerceiverベースのRecapはフレーム単位のCLIPをコンパクトなメモリトークンにマップする。 これらのトークンはビデオバックボーンとアクションデコーダの両方に注入され、ポリシーのイマジネーションとエピソードの進行と履歴の条件付けとを一致させる。
  論文  参考訳（メタデータ） (2026-06-13T08:54:52Z)
• 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)
• WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction [72.1620416874118]
  マルチモーダルな言語モデルは、長距離エージェントとしてますます多くデプロイされている。 既存のベンチマークは、静的対話上のリコールを測定し、メモリを1つのタスクの精度に分解し、キャプションに対する視覚的な観察を減らす。 マルチモーダルエージェントメモリを,観測可能な4段階ライフサイクルを持つアクションワールドインタラクションループとして定式化する。
  論文  参考訳（メタデータ） (2026-05-28T04:27:20Z)
• Efficient Sparse Selective-Update RNNs for Long-Range Sequence Modeling [16.27516369166629]
  Selective-Update RNN(suRNN)は、入力が冗長であるときにメモリを保存することを学習する非線形アーキテクチャである。 情報イベントのみをオープンするニューロンレベルのバイナリスイッチを使用することで、SuRNNは、繰り返し更新を生のシーケンス長から切り離す。 Long Range Arena、WikiText、その他の総合ベンチマークの実験では、SuRNNはより複雑なモデルの精度と一致するか、超えるかを示している。
  論文  参考訳（メタデータ） (2026-02-11T14:50:07Z)
• 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)
• Titans: Learning to Memorize at Test Time [20.12643072017223]
  歴史的文脈を記憶するために学習するニューラルな長期記憶モジュールを提案する。 このニューラルメモリは高速な推論を維持しつつ、高速な並列化可能なトレーニングの利点があることが示される。 我々は、Titansと呼ばれる新しいアーキテクチャのファミリーを紹介し、このアーキテクチャにメモリを効果的に組み込む方法に対処する3つのバリエーションを提示します。
  論文  参考訳（メタデータ） (2024-12-31T22:32:03Z)
• Token Turing Machines [53.22971546637947]
  Token Turing Machines (TTM) はシーケンシャルな自己回帰型トランスフォーマーモデルである。 我々のモデルは、セミナルなニューラルチューリングマシンにインスパイアされ、以前の履歴を要約するトークンの集合からなる外部メモリを持つ。
  論文  参考訳（メタデータ） (2022-11-16T18:59:18Z)

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。