MemER: 経験検索によるロボット制御のための記憶の拡張

- ロボット政策に人間のような記憶能力を付与することを目的とした階層型政策フレームワーク MemER を提案する研究。 - 高レベル政策が経験から関連する過去の keyframe を選択・追跡する。 - 選択した keyframe と直近フレームから低レベル政策向けの text instructions を生成する。 - 既存の vision-language-action (VLA) モデルと互換性があり、長期的な依存関係を効率的に推論できる。 - 実世界の長期的ロボット操作タスクでの検証を報告している。

- 長い観測履歴への単純な条件付けは計算コストが高く covariate shift に脆い、という課題を指摘。 - 履歴の無差別な subsampling は無関係・冗長な情報を招く、という課題も指摘。 - これに対し、高レベル政策が経験から関連 keyframe を選択・追跡する点が差分。 - 従来手法と比較して、数分間の記憶を要する3つの実世界長期的操作タスクで優位と報告。 - 具体的な比較対象手法名は要旨からは不明。

- 階層型政策フレームワークを採用。 - 高レベル政策: 経験から関連する過去の keyframe を選択・追跡するよう訓練。 - 低レベル政策: 高レベルが生成した text instructions を実行。 - 高レベル政策は選択 keyframe と直近フレームを用いて text instructions を生成。 - 既存 VLA モデルと互換。 - 実験では Qwen2.5-VL-7B-Instruct を高レベル、$\pi_{0.5}$ を低レベルとして finetune。 - 学習には最小限の language annotations を付加した demonstrations を使用。

- 実世界の長期的ロボット操作タスク3つで評価。 - 数分間の記憶を要するタスク設定。 - Qwen2.5-VL-7B-Instruct と $\pi_{0.5}$ をそれぞれ高レベル・低レベル政策として finetune して実験。 - 提案手法 MemER が prior methods を上回ったと報告。 - 具体的な評価指標・被験者数・試行回数は要旨からは不明。

- 長い観測履歴への条件付けの計算コストと covariate shift への脆さ、subsampling の無関係・冗長情報の問題を動機として議論。 - keyframe 選択により長期的依存関係の効率的推論が可能という主張。 - 既存 VLA モデルとの互換性を利点として挙げる。 - 限界・失敗事例・計算コストの定量評価・keyframe 選択の誤りへの頑健性は要旨からは不明。

- 要旨で参照・比較されている具体的な prior methods は明示されていないため不明。 - 関連手法として、低レベル政策に用いた $\pi_{0.5}$、高レベル政策に用いた Qwen2.5-VL-7B-Instruct、および vision-language-action (VLA) モデル全般。 - 同分野の定番として、模倣学習ベースのロボット操作政策や長文脈・記憶機構を持つ VLA 関連研究を次に読む候補として挙げられる。