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:2603.04639

RoboMME:ロボット汎用ポリシーの記憶能力を評価・理解するベンチマーク

RoboMME: Benchmarking and Understanding Memory for Robotic Generalist Policies

シェア:XThreadsFacebookLINEはてブBluesky

長期的・履歴依存的な操作タスクにおけるVLAモデルの記憶機構を評価するため、16タスクからなる標準ベンチマークと14種の記憶拡張VLAを構築し、記憶表現の有効性がタスク依存であることを示した。

詳しい要約

1. どんなもの?

- 長期的・履歴依存的なロボット操作における記憶の重要性に着目したベンチマーク「RoboMME」を提案。 - 16の操作タスクを、時間的・空間的・物体的・手続き的記憶を評価する分類体系で構築。 - 記憶機構を組み込んだVLAモデルの標準化された評価を可能にする大規模ベンチマーク。

2. 先行研究と比べてどこがすごい?

- 従来のVLAモデルの記憶評価は狭く非標準的な設定に限定され、系統的な理解・比較・進捗測定が困難だった。 - RoboMMEは大規模かつ標準化されたベンチマークを提供し、長期的・履歴依存的なシナリオでの評価を可能にする。 - 記憶表現の有効性がタスク依存であることを示し、設計ごとの利点と限界を明らかにする。

3. 技術・手法の肝は?

- 時間的・空間的・物体的・手続き的記憶を評価する分類体系を設計し、16の操作タスクを構築。 - π0.5バックボーン上に14の記憶拡張VLA変種を開発し、複数の統合戦略で異なる記憶表現を系統的に探索。 - 記憶表現の効果をタスクごとに比較評価する枠組みを提供。

4. どうやって有効だと検証した?

- 14の記憶拡張VLA変種を16タスクで実験的に評価。 - 記憶表現の有効性がタスクに強く依存し、各設計が異なる利点と限界を持つことを示した。 - ビデオとコードをウェブサイトで公開。

5. 議論はある?

- 記憶表現の有効性はタスク依存性が高く、単一の設計が全タスクで優れるわけではない。 - 各記憶設計にはそれぞれ異なる利点と限界がある。 - 今後の記憶機構設計や評価の方向性に関する議論の余地がある。

6. 次に読むべき論文は?

- π0.5(記憶拡張のベースバックボーン) - 記憶機構を組み込んだVLAモデル(例:Memory-augmented VLA) - 長期的・履歴依存的操作のための記憶メカニズムに関する研究

※ 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: Yinpei Dai, Hongze Fu, Jayjun Lee, Yuejiang Liu, Haoran Zhang, Jianing Yang, Chelsea Finn, Nima Fazeli, Joyce Chai

分類: cs.RO, cs.AI

原文アブストラクト

Memory is critical for long-horizon and history-dependent robotic manipulation. Such tasks often involve counting repeated actions or manipulating objects that become temporarily occluded. Recent vision-language-action (VLA) models have begun to incorporate memory mechanisms; however, their evaluations remain confined to narrow, non-standardized settings. This limits systematic understanding, comparison, and progress measurement. To address these challenges, we introduce RoboMME: a large-scale standardized benchmark for evaluating and advancing VLA models in long-horizon, history-dependent scenarios. Our benchmark comprises 16 manipulation tasks constructed under a carefully designed taxonomy that evaluates temporal, spatial, object, and procedural memory. We further develop a suite of 14 memory-augmented VLA variants built on the {\pi}0.5 backbone to systematically explore different memory representations across multiple integration strategies. Experimental results show that the effectiveness of memory representations is highly task-dependent, with each design offering distinct advantages and limitations across different tasks. Videos and code can be found at our website https://robomme.github.io.

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI