MemER、ロボット制御向け記憶拡張フレームワークを発表 長期タスクで性能向上

何が起きたか

研究チームは、ロボット制御のための記憶拡張フレームワークMemERを発表した。MemERは、高レベルポリシーが過去の関連キーフレームを選択・追跡し、低レベルポリシーへのテキスト指示を生成する階層型設計を採用する。実験では、Qwen2.5-VL-7B-Instructとπ0.5をそれぞれ高レベル・低レベルポリシーとして微調整し、3つの実世界長期操作タスクで従来手法を上回った。

詳細

MemERは、ロボットポリシーに記憶能力を付与することを目的とした階層型ポリシーフレームワークである。高レベルポリシーは、経験から関連する過去のキーフレームを選択・追跡するよう訓練され、選択されたキーフレームと最新フレームを用いて低レベルポリシーへのテキスト指示を生成する。この設計は既存の視覚言語行動(VLA)モデルと互換性があり、長時間の依存関係を効率的に推論できる。実験では、Qwen2.5-VL-7B-Instructを高レベルポリシー、π0.5を低レベルポリシーとして使用し、最小限の言語アノテーションを追加したデモンストレーションで微調整した。MemERは、数分の記憶を必要とする3つの実世界長期ロボット操作タスクで従来手法を上回る性能を示した。

Key Facts

本紙の見方

今回の発表は、ロボットポリシーに記憶能力を持たせるという課題に対する新しいアプローチを示すものである。従来の手法では、長い観察履歴を直接条件付けする方法は計算コストが高く、共変量シフトに対して脆弱であり、履歴を無差別にサブサンプリングすると無関係または冗長な情報が含まれる問題があった。MemERは、高レベルポリシーが関連するキーフレームを選択・追跡することで、この問題を解決しようとするもので、既存のVLAモデルと互換性がある点が実用的である。 本紙の過去報道との接続はないが、この研究はロボット制御における記憶の活用という観点で、今後のVLAモデルの発展に影響を与える可能性がある。特に、高レベルポリシーがテキスト指示を生成するという設計は、言語と行動の橋渡しとして注目される。 業界構造への含意としては、ロボット制御の長期タスクにおける性能向上が、物流や製造などの現場での応用につながる可能性がある。ただし、実世界での検証は3タスクに限られており、汎用性やスケーラビリティについてはさらなる検証が必要である。 未確定の論点としては、MemERの性能がタスクの複雑さやロボットの種類に依存するかどうか、また、高レベルポリシーの選択メカニズムがどの程度一般化できるかが挙げられる。さらに、実運用での計算コストや学習データの要件も確認すべき点である。

なぜ重要か

MemERは、ロボットが長期的な記憶を活用して複雑なタスクを遂行する可能性を示すものであり、ロボット制御の新たな方向性を提示する。この技術が実用化されれば、ロボットの自律性と適応性が向上し、より幅広い応用が期待される。