ロボット方策のための残差メモリとしてのテスト時訓練
Test-Time Training as Residual Memory for Robot Policies
テスト時訓練(TTT)を「残差メモリ」として再解釈し、現在の観測と限られたメモリバンクから復元できない履歴情報だけを高速重みに保持することで、長期的なロボットマニピュレーションの記憶問題を効率化する手法TTT-RMを提案。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Haoxuan Wang, Gengyu Zhang, Ramana Rao Kompella, Gaowen Liu, Yan Yan
分類: cs.RO
原文アブストラクト
Memory is essential for long-horizon robotic manipulation, where successful actions may depend on past events that are no longer recoverable from the current observation. As episodes grow longer, however, retaining the full history becomes increasingly costly, creating a fundamental scalability challenge for memory-augmented policies. Existing approaches address this challenge by either storing selected past observations in a bounded memory bank or compressing interaction history into a fixed-size parametric state through Test-Time Training (TTT). Yet these formulations do not explicitly distinguish between historical information that can already be recovered from the policy's current context and information that must persist beyond it. We introduce TTT-RM, which repurposes TTT as Residual Memory, using fast weights not to generically compress history but to complement a bounded memory bank by preserving task-relevant historical information that cannot be recovered from the policy's current context. Concretely, TTT-RM learns a history decoder that reconstructs historical representations from the current observation and retrieved memory. The resulting reconstruction residual captures what this context fails to explain and serves as the learning target for TTT. The TTT slow weights are optimized against this residual target so that online fast-weight updates learn to encode complementary historical information over time. The fast-weight state is then queried to produce a residual memory representation that conditions action generation. Extensive experiments on memory-intensive simulation benchmarks and real-world tasks show that TTT-RM consistently improves across multiple memory designs, outperforms diverse baselines, and supports sustained execution on a three-minute, eight-stage stowing task.
関連論文
- 不確実環境下での柔軟なリーチングのための仮想モデル制御マニピュレーション
- オープンエンド環境におけるロバストな把持マニピュレーションに向けてマニピュレーション
- DexForge: 高忠実度な物理情報に基づく巧みなリターゲティングマニピュレーション
- STC-MPM：軟組織切断における変形・損傷進展・切開形成の連成マニピュレーション
- デモンストレーションで調整するポート・ハミルトン型マニピュレーション方策の再チューニングマニピュレーション
- 能動推論制御のための生成軌道モデルのベンチマークマニピュレーション