論文の概要: Gamma: Grounded Multi-Agent Memory with Mechanical Audit for Memory-Intensive Manipulation
- arxiv url: http://arxiv.org/abs/2610.12793v1
- Date: Thu, 08 Oct 2026 23:00:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.313528
- Title: Gamma: Grounded Multi-Agent Memory with Mechanical Audit for Memory-Intensive Manipulation
- Title（参考訳）: Gamma: メモリ集中操作のためのメカニカルオーディットを用いたマルチエージェントメモリ
- Abstract要約: 本稿では,メモリをアクションチャンクに直接マップするメモリ操作スイートであるGAMAを紹介する。
16タスクのメモリ操作スイートGAMMAでは、ポリシーが固定された状態で、天井の大部分を回復する。
- 参考スコア（独自算出の注目度）: 23.296747466974853
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pretrained vision-language-action (VLA) policies fail on memory tasks, behaviour that depends on events observed long before the current frame, because their training data is overwhelmingly Markov and mapping episodic memory directly to action chunks is hard. Yet the same policy, finetuned once to follow a privileged oracle's grounded-subgoal text, nearly solves these tasks: the difficulty lies entirely in mapping memory to a grounded symbolic subgoal. Existing work entrusts this stage to a single VLM that selects keyframes and reasons over raw frames, and falls far short of the oracle: key identities and dynamics are buried in noisy pixels, the reasoning spans hundreds of frames in an unbounded context, and hallucination corrupts the memory itself. We instead present GAMMA (Grounded multi-Agent Memory with Mechanical Audit), which builds the stage as a collaborating two-agent memory system: a detector tool (SAM-3) for spatial grounding, a VLM writer that distils each replan window into one grounded text line, an append-only text memory bank, and a VLM reasoner that reads the bank and emits the next grounded subgoal at the oracle's cadence, wrapped in a propose-verify harness that admits, defers, corrects, or rejects every agent claim against mechanical visual evidence, at training-corpus construction and at deployment alike. On a sixteen-task memory-manipulation suite GAMMA recovers a large fraction of the oracle ceiling with the policy held fixed, reaching the ceiling on several tasks, and transfers with unchanged contracts to a second benchmark.
- Abstract（参考訳）: 事前訓練された視覚言語アクション(VLA)ポリシーは、現在のフレームよりもずっと前に観測された事象に依存するメモリタスク、すなわちトレーニングデータが圧倒的にマルコフであり、エピソードメモリを直接アクションチャンクにマッピングすることが難しいため、メモリタスクで失敗する。
しかし、特権を与えられた神託の接地されたサブゴールのテキストに従うように調整された同じ方針は、これらの課題をほぼ解決する:困難は、記憶を接地されたシンボルのサブゴールにマッピングすることにある。
既存の作業はこのステージを、生のフレームよりもキーフレームと理由を選択する単一のVLMに委譲し、オラクルのはるかに不足している:鍵のアイデンティティとダイナミクスはノイズの多いピクセルに埋もれ、推論は境界のないコンテキストで数百のフレームにまたがり、幻覚はメモリ自体を損なう。
GAMMA(Grounded multi-Agent Memory with Mechanical Audit)は、空間的接地のための検出器ツール(SAM-3)、各リプランウインドウを1つの接地テキスト行に分解するVLMライタ、追加専用のテキストメモリバンク、そして、そのバンクを読み取って、オラクルのケイデンスで次の接地サブゴールを発行するVLM推論器、そして、機械的視覚的エビデンスに対するすべてのエージェントのクレームを、トレーニングコーパスの構築や展開時に、受け入れ、修正、拒否する検証用ハープにラップされている。
16タスクのメモリ操作スイートGAMMAでは、ポリシーが固定されたオラクル天井の大部分を回復し、いくつかのタスクで天井に到達し、契約を変更せずに第2のベンチマークに転送する。
関連論文リスト
- MEMO: Multimodal Evidence Memory Organization for Long-Horizon LLM Agents [24.912135848528845]
長期にわたるLLMエージェントは、単一のコンテキストウィンドウを超えて情報を保存し再利用するために外部メモリに依存している。
エージェント記憶の鍵となる課題は、関連する記録を取得することだけでなく、特定の予算の下で必要な証拠を選択することである。
既存のメモリ読み出し方法は、主にテキストまたはビジュアルフォームを使用する。
論文 参考訳（メタデータ） (2026-09-07T13:24:40Z) - 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) - Beyond Similarity: Trustworthy Memory Search for Personal AI Agents [25.265839311088516]
個人AIエージェントにおける信頼境界としてのメモリ探索について検討する。
MemGateは、信頼性の高いメモリ検索のための軽量でデプロイ可能なメモリプラグインである。
論文 参考訳（メタデータ） (2026-06-04T11:54:29Z) - 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) - MemGym: a Long-Horizon Memory Environment for LLM Agents [69.79226770543049]
本稿では,エージェントメモリのベンチマークであるMemGymを紹介する。
MemGymは、メモリパフォーマンスを推論、検索、ツール使用能力から切り離すメモリアイソレーションスコアを報告している。
MEMGYM-CODEQAとMEMGYM-DRの合成パイプラインは、長さ制御可能であり、各ステージでアブレーションを検証可能であり、下流のシナリオと密に整合している。
論文 参考訳（メタデータ） (2026-05-20T07:25:33Z) - Memory as Metabolism: A Design for Companion Knowledge Systems [0.0]
本稿では,単一ユーザ LLM メモリに対するコンパニオン固有のガバナンスプロファイルを提案する。
設計原理は、パーソナライズ LLM メモリがコンパニオンシステムであるということである。
シングルエージェントレベルでの安全ストーリーは部分的であり、論文はそれが何をするかを明確にし、解決しない。
論文 参考訳（メタデータ） (2026-04-13T20:22:53Z) - MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution [52.29303869050117]
メモリ拡張LDMエージェントは、長期の相互作用をサポートするために外部メモリバンクを保持する。
MemMAはプラグアンドプレイのマルチエージェントフレームワークで、前方と後方の両方の経路に沿ってメモリサイクルを調整する。
論文 参考訳（メタデータ） (2026-03-19T10:15:59Z) - Memory for Autonomous LLM Agents:Mechanisms, Evaluation, and Emerging Frontiers [0.42061757959666934]
大きな言語モデル(LLM)エージェントは、単一のコンテキストウィンドウが小さすぎて何が起きているのかをキャプチャできないような環境で、ますます運用される。
メモリはステートレステキストジェネレータを真に適応的なエージェントに変える。
この調査は、メモリがどのように設計され、実装され、現代のLCMベースのエージェントで評価されるかという構造化された説明を提供する。
論文 参考訳（メタデータ） (2026-03-08T15:08:01Z) - 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) - A-MemGuard: A Proactive Defense Framework for LLM-Based Agent Memory [31.673865459672285]
大規模言語モデル(LLM)エージェントは、過去のインタラクションから学習するためにメモリを使用する。
敵は、エージェントのメモリに一見無害なレコードを注入して、その将来の振る舞いを操作できる。
A-MemGuard は LLM エージェントメモリのための最初のプロアクティブな防御フレームワークである。
論文 参考訳（メタデータ） (2025-09-29T16:04:15Z)
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。