論文の概要: From Sliding Windows to Self-evolving Lifelong Memory: A Dual-perspective Survey of Memory Paradigms for Long-Horizon Robotics VLA Models

• arxiv url: http://arxiv.org/abs/2610.23319v1
• Date: Fri, 16 Oct 2026 11:23:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.903318
• Title: From Sliding Windows to Self-evolving Lifelong Memory: A Dual-perspective Survey of Memory Paradigms for Long-Horizon Robotics VLA Models
• Title（参考訳）: Windowsのスライディングから自己進化型ライフメモリ:長期ロボットVLAモデルにおけるメモリパラダイムの2次的調査
• Abstract要約: ロングホライズンロボットタスクは、現在のビジョン・ランゲージ・アクションモデルの基本的限界を明らかにする。 その結果、メモリは、エンボディエージェントが長期の推論と適応的な意思決定を行えるようにするための基本的な構成要素となっている。 本研究は,記憶範囲と永続性に基づくVLA記憶機構の系統分類を提示する。
• 参考スコア（独自算出の注目度）: 5.336008978556259
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Long-horizon robotic tasks expose a fundamental limitation of current Vision-Language-Action (VLA) models because their restricted temporal context pre-vents effective accumulation and reuse of past experiences. As a result, memory has become a fundamental component for enabling embodied agents to perform long-horizon reasoning and adaptive decision-making. This survey presents a systematic taxonomy of VLA memory mechanisms based on memory scope and persistence, categorizing existing approaches into five representative paradigms and one emerging frontier. Based on this taxonomy, we compare representative VLA memory systems in terms of memory characteristics, architectural com-plexity, and open-source maturity, revealing a clear trade-off in which increasing architectural complexity is generally accompanied by decreasing open-source ma-turity. Finally, we discuss the key challenges in building full-lifecycle memory systems, including efficient memory management and lifelong knowledge evolu-tion. Overall, this survey provides a unified perspective on memory architectures for VLA agents and offers insights into the development of lifelong embodied in-telligence.
• Abstract（参考訳）: ロングホライズンロボットタスクは、現在のビジョン・ランゲージ・アクション(VLA)モデルの基本的制限を明らかにしている。 その結果、メモリは、エンボディエージェントが長期の推論と適応的な意思決定を行えるようにするための基本的な構成要素となっている。 本調査では,VLAのメモリ機構を記憶範囲と永続性に基づいて体系的に分類し,既存のアプローチを5つの代表的なパラダイムと1つの新たなフロンティアに分類する。 この分類に基づいて、メモリ特性、アーキテクチャの複雑度、およびオープンソース成熟度の観点から代表的VLAメモリシステムを比較し、アーキテクチャの複雑さが増大するにつれて、一般的にオープンソースの成熟度が低下する明確なトレードオフを明らかにする。 最後に、効率的なメモリ管理や生涯的知識の活用など、フルライフサイクルメモリシステムを構築する上での課題について論じる。 全体として、この調査はVLAエージェントのメモリアーキテクチャの統一的な視点を提供し、生涯にわたるインテリジェンスの発展に関する洞察を提供する。

関連論文リスト

• The Past Frames the Future: Memory for Autoregressive Video Generation [180.54347159008623]
  本稿では,ARビデオ生成における記憶機構の体系的,包括的レビューを行う。 我々は、外部ARステップにまたがる永続的な履歴情報として、メモリを運用的に定式化する。 本稿では,信頼性の高いメモリ条件のビデオ生成システムを構築するための構造的基盤を確立する。
  論文  参考訳（メタデータ） (2026-09-23T17:54:52Z)
• Dual Latent Memory in Vision-Language-Action Models for Robotic Manipulation [96.18832998704329]
  ラメムVLA(LaMem-VLA)は、ラメムVLA(LaMem-VLA)という、ラメムVLA(LaMem-VLA)という、ラメムVLA(LaMem-VLA)という、ラメムVLA(LaMem-VLA)という、ラメムVLA(LaMem-VLA)のフレームワークである。 LaMem-VLAは、メモリがVLA推論に直接参加し、コンテキスト境界下でアクション生成をガイドすることを可能にする。
  論文  参考訳（メタデータ） (2026-07-08T16:26:06Z)
• ReMem-VLA: Empowering Vision-Language-Action Model with Memory via Dual-Level Recurrent Queries [45.23935281952228]
  本稿では、2組の学習可能なクエリを備えた視覚言語アクション(VLA)モデルであるReMem-VLAを紹介する。 これらのクエリはエンドツーエンドでトレーニングされ、時間とともに関連するコンテキストを集約し、維持する。 ReMem-VLAは複数の次元にまたがる強力なメモリ能力を示す。
  論文  参考訳（メタデータ） (2026-03-13T12:38:42Z)
• 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)
• Improving Multi-step RAG with Hypergraph-based Memory for Long-Context Complex Relational Modeling [83.29209853451697]
  多段階検索強化世代(RAG)は,大規模言語モデル(LLM)の拡張戦略として広く採用されている。 我々はHGMemというハイパーグラフベースのメモリ機構を導入し、複雑な推論とグローバルな理解のためにメモリの概念を動的に表現的構造に拡張する。 提案手法では,ハイパーエッジが異なるメモリ単位に対応するハイパーグラフとして表現され,メモリ内での高次相互作用の進行的形成を可能にする。
  論文  参考訳（メタデータ） (2025-12-30T03:13:10Z)
• Memory in the Age of AI Agents [217.9368190980982]
  この研究は、現在のエージェントメモリ研究の最新の展望を提供することを目的としている。 我々は,エージェントメモリ,すなわちトークンレベル,パラメトリック,潜時メモリの3つの支配的実現を同定する。 実用的な開発を支援するため、メモリベンチマークとオープンソースフレームワークの包括的な概要をコンパイルする。
  論文  参考訳（メタデータ） (2025-12-15T17:22:34Z)
• Human-inspired Perspectives: A Survey on AI Long-term Memory [42.94388294128915]
  本稿では,人間の長期記憶機構を紹介し,その後,AIによる長期記憶機構について検討する。 自己適応型長期記憶(SALM)の認知アーキテクチャを提案する。 SALMは、AI長期記憶の実践のための理論的フレームワークを提供し、次世代の長期記憶駆動型AIシステムの開発を導く可能性を秘めている。
  論文  参考訳（メタデータ） (2024-11-01T10:04:01Z)

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。