論文の概要: When the Past Shapes Action: Understanding Embodied Memory

• arxiv url: http://arxiv.org/abs/2610.41688v1
• Date: Fri, 30 Oct 2026 12:52:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.711653
• Title: When the Past Shapes Action: Understanding Embodied Memory
• Title（参考訳）: 過去がアクションを形作るとき: 身体的記憶を理解する
• Abstract要約: 本調査では,現在の観測以上の意思決定関連情報を保存するためのメカニズムとして,具体的記憶について検討する。 我々は,世界国家の持続性,課題の進展,信念の維持,経験的学習という2つの相補的な側面に沿って,既存のアプローチを編成する。 それらの能力と限界を分析し、既存のベンチマークがメモリ依存行動を評価する方法について検討する。
• 参考スコア（独自算出の注目度）: 11.613800054701693
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advances in generative foundation models have expanded the capabilities of embodied AI, enabling increasingly general navigation, manipulation, and long-horizon task execution. However, effective interaction with dynamic environments requires more than only strong perception and reasoning: agents must act with partial knowledge and retain, retrieve, and update information from past observations, actions, and experiences. This survey examines embodied memory as a mechanism for preserving decision-relevant information beyond the current observation. We organize existing approaches along two complementary dimensions: six fundamental memory requirements, spanning world-state persistence, task progress, belief maintenance, and experiential learning; and eight architectural categories, including recurrent states, fast weights, visual and symbolic representations, spatial memory, and experience-based systems. We analyze their capabilities and limitations, and examine how existing benchmarks evaluate memory-dependent behavior, distinguishing genuine use of historical information from general task performance. Finally, we identify open challenges in selecting relevant experiences, maintaining consistent beliefs in changing environments, and consolidating knowledge across episodes. Our analysis provides a framework for understanding memory as an essential component of reliable, adaptive, and lifelong-horizon embodied intelligence.
• Abstract（参考訳）: 生成基盤モデルの最近の進歩は、エンボディAIの能力を拡大し、より一般的なナビゲーション、操作、長期タスク実行を可能にしている。 エージェントは部分的な知識で行動し、過去の観察、行動、経験から情報を保持し、取得し、更新する必要がある。 本調査では,現在の観測以上の意思決定関連情報を保存するためのメカニズムとして,具体的記憶について検討する。 6つの相補的なメモリ要件、世界国家の持続性、タスクの進捗、信念の維持、経験的学習、そして8つのアーキテクチャカテゴリ(リカレントステート、高速ウェイト、視覚的および象徴的表現、空間記憶、経験ベースシステム)に沿って、既存のアプローチを編成する。 それらの能力と限界を分析し、既存のベンチマークがメモリ依存行動をどのように評価するかを検証し、過去の情報と一般的なタスクのパフォーマンスを区別する。 最後に、関連する経験の選択、環境変更における一貫した信念の維持、エピソード間の知識の統合におけるオープンな課題を特定します。 我々の分析は、メモリを信頼性、適応性、生涯にわたる水平的インテリジェンスの本質的な構成要素として理解するためのフレームワークを提供する。

関連論文リスト

• Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory [237.87930543929727]
  本稿では,2つの重要な質問を伴って構成されたマルチモーダルエージェントメモリのための2軸解析フレームワークを提案する。 Axis I, Formation and Representationは、どの情報が保持され、どのようにエンコードされるかを特徴付ける。 メモリ管理のAxis IIは、固定メモリを再利用するT1 Static Memory、安定したポリシーでメモリを更新するT2 Dynamic Memory、進化するポリシーでメモリを更新するT3 Self-Evolving Memoryである。
  論文  参考訳（メタデータ） (2026-10-14T01:11:57Z)
• Analytic Concept-Centric Memory for Agentic Embodied Manipulation [67.98329043920803]
  ロングホライゾンの具体化操作では、エージェントは永続的なオブジェクトを記憶し、シーンの状態の変化を追跡し、相互作用の知識を再利用する必要がある。 既存のエージェント記憶は、しばしば構造化されていない履歴や埋め込みベースの記録として保存される。 エージェントエンボディド操作のための解析的概念中心メモリフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-29T04:33:04Z)
• Rethinking Memory Mechanisms of Foundation Agents in the Second Half: A Survey [211.01908189012184]
  今年、何百もの論文が公開されたメモリは、ユーティリティギャップを埋めるための重要なソリューションとして現れます。 ファンデーションエージェントのメモリを3次元に統一したビューを提供する。 次に、異なるエージェントトポロジの下でメモリがどのようにインスタンス化され、操作されるかを分析する。
  論文  参考訳（メタデータ） (2026-01-14T07:38:38Z)
• The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
  インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。 明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。 エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
  論文  参考訳（メタデータ） (2026-01-14T03:24:08Z)
• 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)
• FindingDory: A Benchmark to Evaluate Memory in Embodied Agents [49.18498389833308]
  本研究では,Habitatシミュレータに長距離エンボディタスクのための新しいベンチマークを導入する。 このベンチマークは、持続的なエンゲージメントとコンテキスト認識を必要とする60タスクにわたるメモリベースの機能を評価する。
  論文  参考訳（メタデータ） (2025-06-18T17:06:28Z)
• A Framework for Inference Inspired by Human Memory Mechanisms [9.408704431898279]
  本稿では,知覚,記憶,推論の構成要素からなるPMIフレームワークを提案する。 メモリモジュールは、ワーキングメモリと長期メモリから構成され、後者は、広範囲で複雑なリレーショナル知識と経験を維持するために、高次構造を備えている。 我々は、bAbI-20kやSolt-of-CLEVRデータセットのような質問応答タスクにおいて、一般的なTransformerとCNNモデルを改善するためにPMIを適用します。
  論文  参考訳（メタデータ） (2023-10-01T08:12:55Z)

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。