日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2608.08749

OnEvoMemory: 事前学習済みロボットポリシーのためのオンラインロールアウトによる記憶の進化

OnEvoMemory: Evolving Memory through Online Robot Rollouts for Pretrained Robot Policies

シェア:XThreadsFacebookLINEはてブBluesky

長期的なロボット操作タスクにおいて、事前学習済みポリシーに価値誘導型の記憶モジュールを追加し、オフラインのデモとオンラインのロールアウトから保持すべき経験を学習することで、タスクの段階遷移を認識し、完了済みのサブタスクの繰り返しを防ぐ手法を提案した。

詳しい要約

1. どんなもの?

OnEvoMemoryは、事前学習済みのロボットポリシー(VLAポリシー)向けに設計された、価値誘導型のメモリモジュールです。長期的なロボット操作タスクにおいて、完了したサブタスクや重要なインタラクションイベントを追跡するために、最近のコンテキスト、高価値な経験、顕著な遷移を保持します。オフラインのデモンストレーションでメモリの事前分布を初期化し、オンラインのロールアウト(成功・失敗)を通じてメモリ選択を洗練させ、タスクステージの遷移を認識し、完了済みサブタスクの繰り返しを回避することを支援します。

2. 先行研究と比べてどこがすごい?

既存のメモリ機構は、外部モデルや事前定義された更新ルールに大きく依存しているのに対し、OnEvoMemoryは、軌道の結果からどの経験を保持すべきかを学習する点が優れています。オフライン初期化とオンライン進化を組み合わせることで、事前学習済みポリシーの性能を向上させます。

3. 技術・手法の肝は?

手法の核心は、価値ガイドによるメモリ選択です。メモリは最近のコンテキスト、高価値な経験、顕著な遷移を保持し、オンラインロールアウトの成功・失敗から保持すべき経験を学習します。オフラインのデモンストレーションでメモリの事前分布を初期化し、オンラインのロールアウトでメモリ選択を進化させます。

4. どうやって有効だと検証した?

長期的な操作ベンチマークを用いた実験で、OnEvoMemoryがベースとなるVLAポリシーの性能を、オフライン初期化とオンラインメモリ進化の両方を通じて向上させることを検証しました。

5. 議論はある?

要旨からは、メモリモジュールの一般化可能性や、異なるポリシーアーキテクチャへの適用性、計算コスト、実世界でのロバスト性などに関する議論は不明です。また、オンライン進化の際のサンプル効率や、失敗ロールアウトの活用方法の詳細も要旨からは不明です。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、VLAポリシー(Vision-Language-Action models)や、メモリ機構を用いたロボット操作の研究が挙げられます。具体的には、外部メモリや事前定義ルールを用いた既存のメモリ手法に関する論文を読むことが推奨されます。

※ 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: Zhongxi Chen, Shenqi Zong

分類: cs.RO

原文アブストラクト

Long-horizon robot manipulation requires policies to track completed subtasks and critical interaction events. However, existing memory mechanisms heavily rely on external models or predefined update rules. To address this, we propose OnEvoMemory, a value-guided memory module for pretrained robot policies. It maintains recent context, high-value experiences, and salient transitions, while learning which experiences should be retained from trajectory outcomes. Offline demonstrations initialize the memory prior, whereas successful and unsuccessful online rollouts refine memory selection, helping the policy recognize task-stage transitions and avoid repeating completed subtasks. Experiments on long-horizon manipulation benchmarks show that OnEvoMemory improves the performance of the base VLA policy through both offline initialization and online memory evolution.

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. 2newmo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
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

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