論文の概要: Memory before Goal: Role of Pre-History Memory for Humanoid Loco-Manipulation

• arxiv url: http://arxiv.org/abs/2610.31166v1
• Date: Thu, 22 Oct 2026 12:24:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.371813
• Title: Memory before Goal: Role of Pre-History Memory for Humanoid Loco-Manipulation
• Title（参考訳）: ゴール前の記憶:Humanoid Loco-Manipulationにおける前史記憶の役割
• Abstract要約: WholeBodyMemはオブジェクト誘導メモリで、ロボットが目標を達成する前に見られるオブジェクトイベントの前史を保持する。 HuMeGoは、6つのシミュレーションと6つの現実世界のUnitree G1タスクを備えたヒューマノイドメモリベンチマークである。
• 参考スコア（独自算出の注目度）: 6.3405173832723
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid loco-manipulation in dynamic scenes is non-Markovian: cues vanish as objects change or are hidden, or leave the view as the robot turns and walks, yet whole-body vision-language-action (VLA) policies see only the present. We present WholeBodyMem, an object-guided perceptual memory that keeps the pre-history of object events seen before the robot acts on its goal. SAM3 tracks the task objects, and their events causally select key frames within an adaptive budget, which the action expert reads by cross-attention together with object tokens encoding appearance, geometry and time. We also contribute HuMeGo, a humanoid memory benchmark with six simulated and six real-world Unitree G1 tasks. Keeping the right frames rather than more frames, WholeBodyMem surpasses memoryless and uniform-memory baselines, raising its base policy's success from 29.1% to 72.6% in simulation and from 36.7% to 88.3% on the real robot, while also improving the standard SIMPLE tasks (70.2% to 86.9%).
• Abstract（参考訳）: ダイナミックなシーンにおけるヒューマノイドのロコ操作は非マルコフ的であり、物体が変化したり隠されたりする際にキューが消えるか、あるいはロボットが回転して歩きながらビューを離れる。 We present WholeBodyMem, an object-guided perceptual memory that keep the pre-history of object events before the robot act on its goal。 SAM3はタスクオブジェクトを追跡し、それらのイベントはアダプティブ予算内でキーフレームを慎重に選択する。 また、HuMeGoは6つのシミュレーションと6つの実世界のUnitree G1タスクを備えたヒューマノイドメモリベンチマークである。 WholeBodyMemは、多くのフレームではなく正しいフレームを維持し、メモリレスと均一なメモリベースラインを超え、ベースポリシーの成功率は29.1%から72.6%まで、実際のロボットでは36.7%から88.3%まで上昇し、標準のSIMPLEタスク(70.2%から86.9%)も改善した。

関連論文リスト

• EyeRobot 2.0: Active Gaze for Precise Manipulation without Wrist Cameras [74.35470013990918]
  EyeRobot 2.0は、現場の3D固定点に物理的に近づき、2つの視点で視線を照らす。 我々はEyeRobot 2.0と受動ステレオとego+手首カメラのポリシーを比較した。
  論文  参考訳（メタデータ） (2026-10-02T17:57:51Z)
• Beyond the Current Scene: Event-Referential Grasping with Active View Selection [58.13862796903706]
  ゼロショットロボット把握システムであるBeyondSCeを紹介する。 システムは、要求されたオブジェクトまたは部分を特定し、それを把握するためにローカライズする。 達成率76%、達成目標77%を達成している。
  論文  参考訳（メタデータ） (2026-09-30T09:27:02Z)
• Where Memory Belongs: Ledger, an Object Ledger for Memory-Augmented VLAs [4.625296998318167]
  記憶は部分的に観察されたロボット操作に不可欠である。 最近のビジョン・アクション・スーツ・モデルは、ポリシーに直接メモリを組み込むが、単一の政治メカニズムは示さない。 我々は、単一のきめ細かいポリシーの分割を実現するハーネスであるLedgerを提示する。
  論文  参考訳（メタデータ） (2026-09-28T08:12:37Z)
• GaussMemory: Task-Driven 3D Gaussian Scene Memory for Long-Horizon Robotic Manipulation [10.233658861023612]
  長距離ロボット操作は永続的な空間記憶に依存している。 既存の3Dメモリシステムは、固定された手作りのルールを使用して観測を記憶する。 本稿では、パッシブストレージからアクティブなタスク駆動空間記憶へのパラダイムシフトを提案する。
  論文  参考訳（メタデータ） (2026-08-15T02:28:59Z)
• Worth Remembering: Surprise-Gated Robot Episodic Memory [12.101245779148316]
  本稿では,V-JEPA-2によって提供されるセマンティックにリッチなデプロイメントに依存しない潜在空間において,サプライズを計算する手法を提案する。 4次元シーングラフに基づく空間記憶を増強するために,我々のゲート型エピソードメモリを用いて,ロボット質問応答における最先端ベンチマークよりも一貫した改善を示す。
  論文  参考訳（メタデータ） (2026-06-02T15:39:27Z)
• RoboMemArena: A Comprehensive and Challenging Robotic Memory Benchmark [49.16825786282095]
  記憶はロボットインテリジェンスにとって重要な要素であり、ロボットは長期のタスクを達成するために過去の観察と行動に頼る必要がある。 既存のロボットメモリベンチマークには、メモリ形成のためのマルチモーダルアノテーションがなく、タスクカバレッジと構造的複雑さが制限されており、実際の評価なしにシミュレーションに制限されている。 このギャップに対処するため、26タスクの大規模ベンチマークであるRoboMemArenaでは、タスク毎の平均軌道長が1,000ステップを超え、サブタスクの68.9%がメモリ依存である。
  論文  参考訳（メタデータ） (2026-05-11T17:54:49Z)
• MEM: Multi-Scale Embodied Memory for Vision Language Action Models [73.3883864595845]
  本稿では,マルチスケール・エンボダイドメモリ(MEM)について紹介する。 MEMはビデオベースの短水平メモリをビデオエンコーダで圧縮し、テキストベースの長水平メモリと組み合わせている。 MEMは、キッチンを掃除したり、チーズサンドイッチを焼いたりして、最大15分間のタスクをロボットが実行できるようにする。
  論文  参考訳（メタデータ） (2026-03-04T00:03:02Z)
• MemoryVLA: Perceptual-Cognitive Memory in Vision-Language-Action Models for Robotic Manipulation [59.31354761628506]
  このようなタスクは本質的にマルコフ的ではないが、主流のVLAモデルはそれを見落としているため、ロボット操作には時間的コンテキストが不可欠である。 本稿では,長距離ロボット操作のためのコグニション・メモリ・アクション・フレームワークであるMemoryVLAを提案する。 本稿では,3つのロボットを対象とした150以上のシミュレーションと実世界のタスクについて評価する。
  論文  参考訳（メタデータ） (2025-08-26T17:57:16Z)

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。