論文の概要: T$^2$Mem: Learning Test-Time Memory for Robotics

• arxiv url: http://arxiv.org/abs/2609.36720v1
• Date: Tue, 29 Sep 2026 04:59:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.195552
• Title: T$^2$Mem: Learning Test-Time Memory for Robotics
• Title（参考訳）: T$^2$Mem: ロボットのテスト時間メモリの学習
• Abstract要約: メモリフリーのファンデーションモデルは、アクションデモ単独で履歴情報を保持および使用することを学ぶことができる。 T$2$Memは、事前訓練された視覚言語アクションポリシー内でこの機能を開発するフレームワークである。 16のRoboMMEタスク全体で、T$2$Memはメモリフリーベースポリシーで平均17.93%から56.83%に改善されている。
• 参考スコア（独自算出の注目度）: 28.183354708541838
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Memory-dependent robotic manipulation requires policies to use information that is no longer available in the current observation. Retaining history alone is insufficient: memory must preserve information that supports future actions. One challenge is whether a memory-free foundation model can learn to retain and use historical information from action demonstrations alone, without external memory support. We introduce T$^2$Mem, a framework that develops this capability within a pretrained vision-language-action policy, without external reasoning models or memory-specific annotations. T$^2$Mem uses test-time training to encode observation history into compact fast weights through online self-supervised updates, avoiding repeated processing of the full history. An observation-grounded interface extracts vision-language information for memory formation and supplies retrieved context to the action expert. Action supervision shapes what the memory learns to retain and use, while alternating memory-policy learning gives each component a fixed counterpart during optimization. Across 16 RoboMME tasks, T$^2$Mem improves average success from 17.93% to 56.83% over the memory-free base policy and outperforms the recurrent-memory methods reported in the benchmark, while controlled profiling indicates at least 3x inference speedup over explicit methods. Project website: https://yzliu84.github.io/T2MEM-project/
• Abstract（参考訳）: メモリ依存型ロボット操作は、現在の観測では利用できない情報を使用するポリシーを必要とする。 履歴のみを保持することは不十分であり、記憶は将来の行動をサポートする情報を保存する必要がある。 1つの課題は、メモリフリーのファンデーションモデルが、外部のメモリサポートなしで、アクションデモだけで履歴情報を保持および使用することを学ぶことができるかどうかである。 我々は、外部推論モデルやメモリ固有のアノテーションを使わずに、事前訓練された視覚言語アクションポリシー内でこの機能を開発するフレームワークであるT$^2$Memを紹介した。 T$^2$Memは、テストタイムトレーニングを使用して、オンラインのセルフ教師付き更新を通じて観察履歴をコンパクトな高速ウェイトにエンコードし、完全な履歴の繰り返し処理を回避する。 観察接地インタフェースは、記憶形成のための視覚言語情報を抽出し、検索したコンテキストをアクションエキスパートに供給する。 アクション監視は、メモリの保持と使用に関する学習を形作る一方で、メモリポリシ学習の交互化は、最適化中に各コンポーネントに固定的なものを与える。 16のRoboMMEタスク全体で、T$^2$Memはメモリフリーのベースポリシーで平均17.93%から56.83%に改善し、ベンチマークで報告されたリカレントメモリメソッドより優れている。 プロジェクトウェブサイト: https://yzliu84.github.io/T2MEM-project/

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)
• 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)
• From Passive Retrieval to Active Memory Navigation: Learning to Use Memory as a Structured Action Space [27.456426188493094]
  NapMemは、ユーザ履歴をリンクされた多粒度メモリピラミッドにまとめる。 エージェントはクエリと中間的なエビデンスに従ってメモリを選択するように訓練される。
  論文  参考訳（メタデータ） (2026-07-07T03:47:12Z)
• AutoMem: Automated Learning of Memory as a Cognitive Skill [63.07128029793901]
  記憶の専門知識は学習したスキルであることを示す。 メモリ管理の2つの軸を自動化するフレームワークであるAutoMemを紹介する。 その結果,メモリ管理は独立して学習可能なスキルであることが示唆された。
  論文  参考訳（メタデータ） (2026-07-01T17:57:03Z)
• Is One Score Enough? Rethinking the Evaluation of Sequentially Evolving LLM Memory [50.857546269660276]
  本稿では,大規模言語モデル(LLM)メモリを逐次進化させる診断評価フレームワークであるSeqMem-Evalを紹介する。 最終的なパフォーマンスのみに焦点を当てるのではなく、SeqMem-Evalは、シーケンシャル推論において、メモリ状態がどのように進化し、一般化し、エクスペリエンスを集約し、有用な情報を保持するかを評価する。
  論文  参考訳（メタデータ） (2026-05-14T20:15:22Z)
• RMBench: Memory-Dependent Robotic Manipulation Benchmark with Insights into Policy Design [77.30163153176954]
  RMBenchは、メモリの複雑さの複数のレベルにまたがる9つの操作タスクからなるシミュレーションベンチマークである。 Mem-0は、制御アブレーション研究をサポートするために設計された明示的なメモリコンポーネントを備えたモジュラー操作ポリシーである。 既存のポリシにおけるメモリ関連の制限を特定し、アーキテクチャ設計の選択がメモリパフォーマンスに与える影響に関する実証的な洞察を提供する。
  論文  参考訳（メタデータ） (2026-03-01T18:59:59Z)
• Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution [52.76038908826961]
  我々は静的ストレージと動的推論のギャップを埋めるため、$textbfReMe$ ($textitRemember Me, Refine Me$)を提案する。 ReMeは3つのメカニズムを通じてメモリライフサイクルを革新する: $textitmulti-faceted distillation$, きめ細かい経験を抽出する。 BFCL-V3とAppWorldの実験では、ReMeが新しい最先端のエージェントメモリシステムを確立している。
  論文  参考訳（メタデータ） (2025-12-11T14:40:01Z)
• Mem-α: Learning Memory Construction via Reinforcement Learning [20.916677456417464]
  大きな言語モデル(LLM)エージェントは、限られたコンテキストウィンドウによって制約される。 現在のメモリ拡張エージェントは、メモリ更新のための事前に定義された命令とツールに依存している。 Mem-alphaは、エージェントに複雑なメモリシステムを効果的に管理するように訓練する強化学習フレームワークである。
  論文  参考訳（メタデータ） (2025-09-30T08:02:34Z)
• LaMemo: Language Modeling with Look-Ahead Memory [50.6248714811912]
  右側トークンへの漸進的参加により再帰記憶を向上させるLook-Ahead Memory(LaMemo)を提案する。 LaMemoは、メモリ長に比例した追加のオーバーヘッドで、双方向の注意とセグメントの再発を受け入れる。 広く使われている言語モデリングベンチマークの実験は、異なる種類のメモリを備えたベースラインよりも優れていることを示した。
  論文  参考訳（メタデータ） (2022-04-15T06:11:25Z)
• The act of remembering: a study in partially observable reinforcement learning [24.945756871291348]
  強化学習(Reinforcement Learning, RL)エージェントは、通常、アクションを選択するときの最後の観察のみを考慮するメモリレスポリシーを学ぶ。 エージェントに外部メモリと追加アクションを提供して、もし何かあれば、メモリに書き込まれるものを制御する。 我々の新しいメモリ形態は、よく確立された部分的に観測可能な領域におけるバイナリとLSTMベースのメモリより優れている。
  論文  参考訳（メタデータ） (2020-10-05T02:56:43Z)

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。