Learning to Forget -- Lifelong Robot Deployment のための階層的エピソード記憶
arXiv cs.RO / 2026/4/14
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、保持すべき情報と忘れるべき情報を学習する、ライフロングなヒューマノイドロボットの展開のための階層的エピソード記憶フレームワーク H$^2$-EMV を提案する。
- 言語モデルに基づく関連度推定とユーザーとの対話を用いて選択的な忘却を行うことで、継続的マルチモーダル記憶におけるスケーラビリティ問題に取り組む。
- システムは階層的エピソード記憶構造を段階的に構築し、ユーザーが欠落していた／忘れられていた詳細についてフィードバックを提供すると、それに応じて学習済みの自然言語ルールを洗練させる。
- シミュレーション上の家庭内タスクおよび実環境での ARMAR-7 計 20.5 時間の記録に関する実験により、記憶フットプリントを 45% 削減し、クエリ時の計算量を 35% 減らしつつ、質問応答精度が向上することが示される。
- パフォーマンスは対話によって改善される。ユーザー固有の優先度に適応することで、2 回目のクエリにおける精度が 70% 向上したと報告されており、よりパーソナライズされた長期のヒューマン—ロボット協働を可能にする。
