MemCtrl: MLLMを能動的メモリコントローラーとして活用するエンボディドエージェント向け新手法

要約

エンボディドエージェントのメモリ制約問題に対し、MLLMを用いたオンラインメモリ剪定フレームワーク「MemCtrl」を提案。探索中に観測や内省を保持・更新・破棄すべきかを判断する学習可能なメモリヘッド$μ$を追加。EmbodiedBenchでの評価において、平均約16%、特定の指示セットでは20%以上のタスク完了能力の向上を確認した。

全文は有料プランで閲覧できます。