LogLook：面向前沿模型机器人规划器的执行锚定记忆
论文提出 LogLook，一种面向前沿视觉语言模型机器人规划器的执行锚定记忆机制：系统保留执行日志与模型此前笔记，由模型决定查看位置，仅在预期变化处返回帧，并在检查所选部分前先略读演示。用基准的运动规划器测量，LogLook 在 token 减少 43%、图像用量不到一半的情况下达到与仅笔记记忆相同的成功率，因记忆或所见内容导致的失败回合大幅减少；直接控制下在 RoboMME 测试集上解决 93.5%。
发布于 10-27 10:54来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《LogLook: Execution-Grounded Memory for Frontier-Model Robot Planners》查看原链
许多操作任务要求机器人记住自己做过什么、看到过什么。 前沿视觉语言模型无需任务特定训练即可规划此类任务，但这类规划器应如何记忆一个回合仍是开放问题。 作者认为，其记忆必须跟踪规划器做过什么、学到了什么，并让规划器自行选择看哪里，因为每一帧都消耗 token；而每一步都重写一条笔记的做法在这两点上都不理想。
为此提出 LogLook，其执行锚定记忆让系统保留记录（执行日志与模型此前的笔记），同时由模型决定看哪里：只在预期发生变化处返回帧，并在检查所选部分前先略读演示。 用基准的运动规划器测量，LogLook 在 token 减少 43%、图像用量不到一半的情况下达到与仅笔记记忆相同的成功率，且因记忆或所见内容导致的失败回合大幅减少。
在直接控制下，LogLook 在 RoboMME 测试集上解决 93.5%。