論文の概要: REMM: Revisable Embodied Memory for Manipulation

• arxiv url: http://arxiv.org/abs/2610.12710v1
• Date: Thu, 08 Oct 2026 20:42:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.28086
• Title: REMM: Revisable Embodied Memory for Manipulation
• Title（参考訳）: REMM: 操作のための変更可能なEmbodied Memory
• Abstract要約: ロングホライゾン操作は、ロボットがタスク関連履歴を保持することを要求する一方で、物理的な証拠によって支持されない結論を修正する必要がある。 本稿では,REMM,Revisable Embodied Memory for Manipulationを紹介した。 オペレーター支援ランニングを含む51回の身体的試験において、REMMは最強ベースラインにおける平均記録されたタスク進捗を、介入回復の57%から91%、シークエンスリコールの43%から70%に改善した。
• 参考スコア（独自算出の注目度）: 44.29671169687146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-horizon manipulation requires robots to retain task-relevant history while revising conclusions no longer supported by physical evidence. Retaining observations alone does not specify which completed conditions should be withdrawn after a disturbance or which obligations require repair. We introduce REMM, Revisable Embodied Memory for Manipulation, a supervisory memory layer for a frozen G0.5 vision-language-action executor. REMM separates an append-only evidence history from revisable task state and explicitly links derived relations and completed conditions to their supporting facts. When accepted evidence changes a supporting fact, it withdraws dependent conclusions and schedules targeted recovery at verified skill boundaries without updating the executor. Across 51 physical trials, including operator-assisted runs, REMM improves mean recorded task progress over the strongest baseline from 57% to 91% in intervention recovery and from 43% to 70% in sequence recall. Complementary video diagnostics show improved grounding of retained history into the next instruction, including comparisons with $π_{0.5}$-compatible high-level planner adaptations. These results support revisable memory as a practical interface for continued manipulation without policy retraining. Project: https://revanthsenthil.github.io/remm/.
• Abstract（参考訳）: ロングホライゾン操作は、ロボットがタスク関連履歴を保持することを要求する一方で、物理的な証拠によって支持されない結論を修正する必要がある。 観察のみを保持することは、障害の後、どの完了条件が取り下げるべきか、またはどの義務が修理を必要とするかを規定しない。 本稿では,REMM,Revisable Embodied Memory for Manipulationを紹介した。 REMMは、追加のみのエビデンス履歴を変更可能なタスク状態から分離し、派生した関係と完了した条件をそれらのサポート事実に明示的にリンクする。 承認された証拠が支援事実を変更すると、実行者を更新することなく、検証済みのスキルバウンダリを目標とする、依存した結論とスケジュールを撤回する。 オペレーター支援ランニングを含む51回の身体的試験において、REMMは最強ベースラインにおける平均的なタスク進捗を、介入回復の57%から91%、シークエンスリコールの43%から70%に改善した。 補足的ビデオ診断では、残履歴の次の命令への基礎化が改善し、例えば$π_{0.5}$互換の高レベルプランナー適応と比較される。 これらの結果は、ポリシーの再トレーニングなしに継続操作のための実用的なインタフェースとして、変更可能なメモリをサポートする。 プロジェクト: https://revanthsenthil.github.io/remm/。

関連論文リスト

• RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
  本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。 適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
  論文  参考訳（メタデータ） (2026-10-08T15:49:03Z)
• MINDSET: Energy-based Schema Evolution for Long Conversational Agent Memory [0.0]
  有用なメモリシステムは、現在の状態と過去の状態の両方を保存する必要がある。 本稿では,会話を不変のエピソードとして記憶するメモリコントローラMINDSETを紹介する。 再現可能な850の質問に対して,MINDSETを5つのメモリシステムに対して評価した。
  論文  参考訳（メタデータ） (2026-10-06T15:55:42Z)
• PACMI: Provenance-Aware Cascading Memory Invalidation for Long-Term LLM Agents [22.004895431694806]
  LLMエージェントは、長い地平線上でタスクを実行する際に、情報の保持と再利用を長期記憶に依存している。 既存の方法は、新しい観察やドメインの証拠が到着するにつれて時代遅れになる記憶を扱うための限られたサポートを提供する。 Provenance-Aware Cascading Memory Invalidation (PACMI) を提案する。
  論文  参考訳（メタデータ） (2026-10-05T03:31:51Z)
• COUNTERMEM: World-Model Verified Counter-Factual Memory for Language Agents [40.59788210629839]
  COUNTERMEMは、タスク間で検証済みの反ファクトメモリの構築と使用のための強化学習フレームワークである。 動作が失敗した後、COUNTERMEMは元の状態のコピーまたはリセットからローカル代替品を評価する。 オリジナルと修正されたアクション、チェック結果、再利用条件の改善を格納する。
  論文  参考訳（メタデータ） (2026-09-25T18:12:38Z)
• Memory Control Signals Emerge Before Action in Long Horizon Agents [55.84813053778976]
  各エージェントアクションの直前に隠された状態を調べ、圧縮とリコールの要求がモデルの内部表現にすでにエンコードされていることを確認する。 本研究では,状態誘導圧縮と外部エビデンス検索を組み合わせたPreaction Memory with Evidence Retrieval (PaMER)を提案する。
  論文  参考訳（メタデータ） (2026-09-23T03:23:34Z)
• Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses [83.32611586724165]
  Recurisは、ロングホライゾンエージェントハーネスのためのExperiential-Working Memoryアーキテクチャである。 Work Memoryはタスクの進捗を追跡し、Experiential Memoryからスキル選択をガイドする。 4つのロングホライズンベンチマークと10のモデルでRecurisは37のモデルベンチマークペアのうち35のタスク成功を改善している。
  論文  参考訳（メタデータ） (2026-08-25T17:56:35Z)
• From Faulty Memories to Corrected Actions: Dependency-Guided Rollback Repair for Memory-Augmented Agents [19.125716338799545]
  textbfdependency-guided rollback repairは、出所からの型付きメモリ対アクショングラフを構築し、明示的な下流依存性をトレースし、応答関連処理のみを選択的に再生する。 本手法は,3つのツール使用領域と4つのメモリ障害タイプにまたがる150ケースのベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-08-11T05:19:55Z)
• TARL: Transaction-Aware Reliable Ledgers for Executable Memory Management in Long-Term Agents [20.123133746969398]
  メモリ状態更新フレームワークであるTARLを導入し、各ステートメントを5つの実行可能なアクションのうちの1つにマップする。 TARLは、影響を受けるメモリを特定し、その時間的スコープを解決し、ソースの信頼性を比較し、受け入れ、保留、拒否された台帳を更新する。 また、粒度の細かいアクションラベルと次の状態目標を持つベンチマークであるTARL-Memについても紹介する。
  論文  参考訳（メタデータ） (2026-08-04T14:02:55Z)
• MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
  ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。 MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。 長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
  論文  参考訳（メタデータ） (2026-07-14T15:33:44Z)
• MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery [58.64329475683699]
  我々は、長期記憶は監査可能な相互作用後のアーティファクトとして評価されるべきであると主張している。 我々は、メモリを備えたエージェントがシミュレーションユーザを支援するベンチマークであるMEMPROBEで、このビューをインスタンス化する。 私たちは、成功したアシストと回復可能なメモリが、異なる機能として振る舞うことに気付きました。
  論文  参考訳（メタデータ） (2026-06-23T13:52:46Z)

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。