論文の概要: Inline Memory Meets Reusable Skills: Memory-centric Framework for Vision-Language-Action Model

• arxiv url: http://arxiv.org/abs/2609.39794v1
• Date: Wed, 30 Sep 2026 14:11:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.876667
• Title: Inline Memory Meets Reusable Skills: Memory-centric Framework for Vision-Language-Action Model
• Title（参考訳）: インラインメモリと再利用可能なスキル - ビジョンランゲージ・アクションモデルのためのメモリ中心フレームワーク
• Abstract要約: Optimus-Rはメモリ中心のVLAフレームワークで、ロボット適応を明示的なクエリスキルメモリチューニングとして定式化する。 スキルをクエリプロトタイプに外部化し、検索するEmphhowと、行動するEmphhowを指定するスキル値を決定する。 実験によると、Optimus-Rは破滅的な忘れを軽減しつつ、データ効率のよいスキル学習を可能にする。
• 参考スコア（独自算出の注目度）: 66.46761220797254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-Language-Action (VLA) models have shown strong promise for general-purpose robotic manipulation, yet adapting them to new tasks and domains remains inefficient: existing methods often rely on parameter tuning, incurring substantial costs and risking catastrophic forgetting of previously learned tasks. To address this, we propose \textbf{Optimus-R}, a memory-centric VLA framework that formulates robotic adaptation as explicit query-skill memory tuning. Optimus-R introduces: (i) An \textbf{Inline Memory Interface for skill extraction}. It inserts learnable memory tokens into the VLA prefix stream, allowing the backbone to derive control-aware query and skill representations within the native action-conditioning pathway. (ii) A \textbf{Query-Skill Memory Bank for skill learning}. It externalizes skills into query prototypes for deciding \emph{what} to retrieve and skill values for specifying \emph{how} to act, supporting skill reuse and expansion with limited parameter updates. (iii) A lightweight \textbf{Bridge-and-Adapt mechanism for skill updating}. It aligns target-domain queries and skills with the existing memory space through a lightweight adapter and residual memory updates. Experiments on in-domain adaptation, cross-domain adaptation, and lifelong learning show that Optimus-R enables data-efficient skill learning while mitigating catastrophic forgetting.
• Abstract（参考訳）: VLA(Vision-Language-Action)モデルは汎用的なロボット操作に強く期待されているが、新しいタスクやドメインに適応することは効率的ではない。 これを解決するために,ロボット適応を明示的なクエリスキルメモリチューニングとして定式化するメモリ中心のVLAフレームワークである \textbf{Optimus-R} を提案する。 Optimus-R の紹介 i) スキル抽出のための \textbf{Inline Memory Interface 学習可能なメモリトークンをVLAプレフィックスストリームに挿入することで、バックボーンがネイティブアクションコンディショニングパス内の制御対応クエリとスキル表現を導出することができる。 (ii)スキル学習のための「textbf{Query-Skill Memory Bank」 スキルをクエリプロトタイプに外部化して,‘emph{what}’を指定して実行するスキル値の取得と,パラメータ更新の限定によるスキル再利用と拡張をサポートする。 (iii) スキル更新のための軽量な \textbf{Bridge-and-Adapt メカニズム。 ターゲットドメインクエリとスキルを、軽量アダプタと残メモリ更新を通じて、既存のメモリ空間と整合させる。 ドメイン内適応、クロスドメイン適応、生涯学習の実験は、Optimus-Rが破滅的な忘れを軽減しつつ、データ効率のよいスキル学習を可能にすることを示している。

関連論文リスト

• Vision-Language-Action Autonomous Driving Agent with Language-based Memory [63.735435235930076]
  VLA(Vision-Language-Action)ファンデーションモデルが、自動運転の一般的なソリューションの1つとして登場した。 言語ベースのメモリを備えた汎用VLA駆動エージェントAD-Memoを提案する。 メモリベースのデータセットをキュレートし、2段階のレシピでVLAをトレーニングする: Supervised Fine-Tuning (SFT) と textitDa Capo は、新しい半閉鎖ループ強化学習 (RL) アルゴリズムである。
  論文  参考訳（メタデータ） (2026-09-29T23:00:01Z)
• 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)
• AdaMem: Learning What to Remember for Personalized Long-Horizon LLM Agents [79.03892269184145]
  我々は、記憶に値するものはロール依存であり、 textbfAdaMem (Adaptive Memory)を提案する。 AdaMemは、メモリ容量をtextbf9%削減しながら、均一なMem0ベースライン上で textbf+9.0% まで精度を向上する。
  論文  参考訳（メタデータ） (2026-06-19T06:35:52Z)
• Improving Sparse Memory Finetuning [6.491055956716639]
  大規模言語モデル(LLM)は通常、トレーニング後に静的になるが、現実のアプリケーションは既存の能力を劣化させることなく、新しい知識への継続的な適応を必要とする。 完全な微調整やパラメータ効率の手法のようなモデル更新の標準的なアプローチは、基本的なトレードオフに直面します。 Sparse Memory Finetuning (SMF)は、明示的なメモリ層内のパラメータの小さなサブセットにアップデートをローカライズすることで、有望な代替手段を提供する。
  論文  参考訳（メタデータ） (2026-04-06T23:16:10Z)
• Mixture of Chapters: Scaling Learnt Memory in Transformers [3.479712135769016]
  トランスフォーマーは、トレーニング中に取得した知識を保存し、整理するための明示的なアーキテクチャメカニズムを欠いている。 学習可能なスパースメモリバンク、潜在トークン、ランダムおよび訓練されたエンドツーエンドを導入します。 本研究では、Mixture-of-Expertsアーキテクチャにインスパイアされた章ベースのルーティングを提案し、メモリバンクを章に分割し、入力毎に関連するサブセットを選択するルータを訓練する。
  論文  参考訳（メタデータ） (2026-03-22T07:16:58Z)
• NextMem: Towards Latent Factual Memory for LLM-based Agents [58.35585202907478]
  NextMemは、自動回帰型オートエンコーダを使用して、潜時メモリを効率的に構築する、潜時ファクトメモリフレームワークである。 大規模な実験は、NextMemが優れたパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-02-26T14:35:27Z)
• MemSkill: Learning and Evolving Memory Skills for Self-Evolving Agents [29.375397774491887]
  ほとんどのLarge Language Model (LLM) エージェントメモリシステムは、メモリを抽出するために静的で手作業で設計された小さな操作に頼っている。 textbfMemSkillは、これらの操作を学習可能で進化可能なメモリスキルとして再構成する。
  論文  参考訳（メタデータ） (2026-02-02T18:53:28Z)
• Memo: Training Memory-Efficient Embodied Agents with Reinforcement Learning [53.72709564555407]
  Memoは、強化学習のためのトランスフォーマーベースのアーキテクチャとトレーニングのレシピである。 トレーニング中のモデルの入力と周期的な要約トークンをインターリーブすることで、メモリの生成と検索を組み込む。 グリッドワールドメタRLベンチマークとマルチオブジェクトナビゲーションタスクにおけるMemoの有効性を,フォトリアリスティック屋内環境で実証する。
  論文  参考訳（メタデータ） (2025-10-22T16:24:47Z)
• HMT: Hierarchical Memory Transformer for Efficient Long Context Language Processing [33.720656946186885]
  Hierarchical Memory Transformer (HMT) はモデル長文処理を容易にする新しいフレームワークである。 HMTは、既存のモデルの長文処理能力を一貫して改善する。
  論文  参考訳（メタデータ） (2024-05-09T19:32:49Z)

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。