論文の概要: Divide-and-Remember: Recursive Action-Relevant Memory for Long-Horizon VLA Policies

• arxiv url: http://arxiv.org/abs/2610.00982v1
• Date: Thu, 01 Oct 2026 03:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.876533
• Title: Divide-and-Remember: Recursive Action-Relevant Memory for Long-Horizon VLA Policies
• Title（参考訳）: Divide-and-Remember:ロングホライゾンVLA法における再帰的アクション関連記憶
• Abstract要約: Divide-and-Rememberは、コンピュートライトを維持しながら長いコンテキストにスケールするメモリメソッドである。 最先端の平均的な成功率を達成し、64トークンの予算で4つのスイートすべてで一貫した利得を得る。
• 参考スコア（独自算出の注目度）: 23.758603689868153
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language-action (VLA) models struggle on history-dependent manipulation tasks, where the current observation alone does not determine the action, and the policy needs a memory of the history. Existing memory methods decide what to remember by design, for example, keeping frames with large pixel changes, and show inconsistent gains across tasks. We view what to remember as an optimisation problem. From the POMDP formulation of imitation learning, we show that the optimal memory maximises the conditional mutual information $I(a_t; m_t \mid o_t)$ between the action and the memory given the current observation. Intuitively, this means preserving the action-relevant information in the history that is not already contained in the current observation. Based on our analysis, we propose Divide-and-Remember (D&R), a recursive memory method that learns a memory function $m_t = M(h_t)$ and scales to long contexts while staying compute-light. It involves two strategies: (1) the selection over the full history is divided recursively into subproblems of top-$K$ selection over $2K$ tokens, so that fixed-size, lightweight selectors learned end-to-end support an unbounded history; (2) all recursion blocks share one selector, which captures the selection rule common to every block and keeps the method efficient. On RoboMME, a benchmark of 16 long-horizon manipulation tasks that require remembering when, where, what, and how to act, D&R achieves a state-of-the-art average success rate with consistent gains across all four suites under a budget of only 64 tokens; real-robot experiments show the same gain. Code, checkpoints and more results are at https://dnr-memory.github.io/
• Abstract（参考訳）: ヴィジュアル・ランゲージ・アクション(VLA)モデルは、現在の観察だけでアクションが決定されず、ポリシーが履歴の記憶を必要とする、履歴に依存した操作タスクに苦労する。 既存のメモリメソッドは、例えば大きなピクセル変更でフレームを保ち、タスク間で一貫性のない利得を示すなど、設計によって何を記憶すべきかを決定する。 われわれは、何を最適化問題として思い出すべきかを考察する。 模擬学習のPOMDPの定式化から、最適なメモリは、現在の観測値から与えられた動作とメモリの間の条件付き相互情報$I(a_t; m_t \mid o_t)$を最大化することを示す。 直感的には、これは現在の観測にすでに含まれていない歴史上の行動関連情報を保存することを意味する。 本稿では,D&R(Divide-and-Remember)を提案する。D&Rはメモリ関数$m_t = M(h_t)$を学習し,コンピュートライトを維持しながら長いコンテキストにスケールする再帰的メモリ手法である。 その結果、固定サイズで軽量なセレクタは、非有界な履歴をエンドツーエンドでサポートした。 2) すべての再帰ブロックは、1つのセレクタを共有し、すべてのブロックに共通する選択ルールをキャプチャし、メソッドを効率よく維持する。 RoboMMEは16の長期操作タスクのベンチマークで、いつ、どこで、どこで、どのように、どのように行動するかを記憶する必要があるが、D&Rは64トークンの予算で4つのスイート全体で一貫した成功率で、最先端の平均的な成功率を達成する。 コード、チェックポイント、その他の結果はhttps://dnr-Memory.github.io/にある。

関連論文リスト

• T$^2$Mem: Learning Test-Time Memory for Robotics [28.183354708541838]
  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。
  論文  参考訳（メタデータ） (2026-09-29T04:59:46Z)
• 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)
• 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)
• DMF: A Deterministic Memory Framework for Conversational AI Agents [0.0]
  我々は、生成メモリ圧縮を完全な決定論的パイプラインに置き換えるCPUファーストアプローチである決定論的メモリフレームワーク(DMF)を提案する。 DMFは、決定論的コンテンツ信号、会話の手がかり、構造化された前兆から計算されたSurvival Scoreを、ロジスティック・プロジェクションで組み合わせて割り当てる。 LoCoMoとLongMemEvalのデータセットを使用して、目的を組み込んだベンチマークで実験を行う。
  論文  参考訳（メタデータ） (2026-06-02T10:41:28Z)
• 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)
• 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)
• RMM: Reinforced Memory Management for Class-Incremental Learning [102.20140790771265]
  クラスインクリメンタルラーニング(CIL)は、厳格な記憶予算の下で分類器を訓練する。 既存のメソッドは静的およびアドホックな戦略を使ってメモリ割り当てを行うが、これはしばしば準最適である。 本稿では,段階的な段階と異なるオブジェクトクラスに最適化された動的メモリ管理戦略を提案する。
  論文  参考訳（メタデータ） (2023-01-14T00:07:47Z)
• A Model or 603 Exemplars: Towards Memory-Efficient Class-Incremental Learning [56.450090618578]
  CIL(Class-Incremental Learning)は、この要件を満たすために、限られたメモリサイズでモデルをトレーニングすることを目的としている。 モデルサイズを総予算にカウントし,メモリサイズに整合する手法を比較すると,保存モデルは常に機能しないことを示す。 本稿では,メモリ効率のよい拡張可能なMOdelのための MEMO という,シンプルで効果的なベースラインを提案する。
  論文  参考訳（メタデータ） (2022-05-26T08:24:01Z)

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。