日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2601.20831

MemCtrl: MLLMを活用した身体性エージェントの能動的メモリ制御

MemCtrl: Using MLLMs as Active Memory Controllers on Embodied Agents

シェア:XThreadsFacebookLINEはてブBluesky

MLLMに学習可能なメモリヘッドを追加し、探索中の観察や内省をオンラインで取捨選択することで、身体性タスクの達成率を平均約16%向上させた。

詳しい要約

1. どんなもの?

MemCtrlは、embodied agentsのためのオンライン記憶制御フレームワーク。MLLMsにtrainable memory head μを追加し、探索中のobservationやreflectionを保持・更新・破棄するゲートとして機能させる。RAGのような大規模オフライン記憶ではなく、厳しいメモリ・計算制約下でのオンライン動作を想定。

2. 先行研究と比べてどこがすごい?

従来のRAGなどは記憶を大きなオフラインストレージとして扱い、embodied agentsのオンライン制約に不向き。MemCtrlはMLLMsをactive memory controllerとして使い、オンラインで記憶をpruningする点が新しい。

3. 技術・手法の肝は?

MLLMsにtrainable memory head μを付与し、observationやreflectionの保持・更新・破棄を決定。μの訓練は2種類:1) offline expertによる訓練、2) online RLによる訓練。

4. どうやって有効だと検証した?

EmbodiedBench benchmarkの複数サブセットで、性能の低い2つのMLLMsにMemCtrlを適用。μ-augmented MLLMsは平均約16%改善、特定のinstructionサブセットでは20%以上改善。さらにμが収集したmemory fragmentsの定性分析を実施。

5. 議論はある?

μが収集したmemory fragmentsの定性分析から、μ-augmented MLLMsが長く複雑なinstructionタイプで優れた性能を示すことを報告。ただし、具体的な限界や失敗事例、計算コストの詳細は要旨からは不明。

6. 次に読むべき論文は?

要旨で参照/比較されている研究は明示されていない。関連手法としてRAG、MLLMs、embodied agents、online RL、EmbodiedBench benchmarkが挙げられる。同分野の定番としてRAGやin-context learningの論文を読むとよい。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Vishnu Sashank Dorbala, Dinesh Manocha

分類: cs.AI, cs.RO

原文アブストラクト

Foundation models rely on in-context learning for personalized decision making. The limited size of this context window necessitates memory compression and retrieval systems like RAG. These systems however often treat memory as large offline storage spaces, which is unfavorable for embodied agents that are expected to operate under strict memory and compute constraints, online. In this work, we propose MemCtrl, a novel framework that uses Multimodal Large Language Models (MLLMs) for pruning memory online. MemCtrl augments MLLMs with a trainable memory head \mu that acts as a gate to determine which observations or reflections to retain, update, or discard during exploration. We evaluate with training two types of \mu, 1) via an offline expert, and 2) via online RL, and observe significant improvement in overall embodied task completion ability on \mu-augmented MLLMs. In particular, on augmenting two low performing MLLMs with MemCtrl on multiple subsets of the EmbodiedBench benchmark, we observe that \mu-augmented MLLMs show an improvement of around 16% on average, with over 20% on specific instruction subsets. Finally, we present a qualitative analysis on the memory fragments collected by \mu, noting the superior performance of \mu augmented MLLMs on long and complex instruction types.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI