ロボットの長期記憶アーキテクチャ：エピソード・意味・手続き記憶をどう設計するか

長時間タスクでは、記憶を増やすことより、記憶をどう疑いながら使うかが設計上の焦点になります。

先に結論

ロボットの長時間タスクでは、エピソード記憶・意味記憶・手続き記憶を、異なる役割を持つ層として分離する設計が妥当です。エピソード記憶は時系列の経験証拠、意味記憶は検証・抽象化された環境知識、手続き記憶は条件付きで再利用できるスキルを担当させます。

オンライン実行では、現在のタスクとセンサー情報から過去の記憶を検索し、現在の状態と照合してから手続きを選択します。実行結果は新しいエピソードとして保存し、反復的に確認された事実や、検証済みで再利用価値のある行動だけを上位の記憶へ昇格させます。過去の記憶を、現在の環境の代わりに無条件で使わないことが設計の基本です。

なぜ記憶を分けるのか

長時間タスクでは、過去の観測や成功した操作を再利用できると、毎回ゼロから推論する必要を減らせます。一方、全履歴をVLMやVLAのコンテキストに入れ続ける方法は、履歴の増加と検索負荷を招きます。MemGPTは、モデルの主要コンテキストと外部アーカイブ記憶を分離し、必要な情報を関数呼び出しで移動・検索する構成を示しました。ロボットでも、実行モデルと長期記憶を分ける際の参考になります。

ただし、3分類はロボット研究で統一された標準仕様ではありません。メモリーストリームと反省を中心に扱う構成や、コンテキストとアーカイブの階層を扱う構成もあります。ここでの3分類は、保存対象、検索条件、更新条件、実行系との接続を整理するための設計上の枠組みです。

3種類の記憶の役割

エピソード記憶：経験の証拠

エピソード記憶には、時刻、場所、対象、観測、行動、成否、環境からのフィードバックを、一つの経験ログとして保存します。現在と似た状況を探す用途に向きますが、検索結果をそのまま事実や命令として扱ってはいけません。現在の知覚と照合するための状況証拠として利用します。

検索キーは意味的な類似度だけでなく、場所、対象、タスク、時刻、成功履歴などを組み合わせます。Inner Monologueが示すように、物体検出やシーン状態、行動の成功・失敗を推論へ戻せば、実行中の計画を更新できます。

意味記憶：抽象化された知識

意味記憶には、複数の経験から抽象化された安定的な事実を保存します。物体と場所の関係、ユーザーや施設の好み、環境の制約などが対象です。個別の観測をそのまま蓄積するのではなく、再利用しやすい知識として扱います。

各項目には、出典、信頼度、有効期限を付与します。単一の観測だけで固定せず、反復確認や他の観測との整合性を経て更新する方針が適しています。必要な反復回数や信頼度のしきい値に、一般的な数値基準は確立していません。

手続き記憶：実行可能なスキル

手続き記憶には、再利用可能なスキル、プログラム、ポリシー、行動スキーマを保存します。前提条件、引数、期待効果、実行後の検証方法も併せて管理します。

Voyagerは、環境からのフィードバックを用いて、実行可能なコード形式のスキルを蓄積・再利用する構成を示しました。これは手続き記憶の実装例として解釈できます。ただし、未知の物体、照明、配置、摩擦条件へ安全に一般化できる範囲は、スキル表現とロボットに依存します。

読み出しと書き込みの流れ

flowchart LR
  A["現在のタスクとセンサー入力"] --> B["メモリールータ"]
  B --> C["エピソード記憶\n経験証拠"]
  B --> D["意味記憶\n制約・環境知識"]
  C --> E["現在の状態との照合"]
  D --> E
  E --> F["手続き記憶\n前提条件付きスキル"]
  F --> G["実行可能性の再検証"]
  G --> H["実行器"]
  H --> I["行動結果・新しい観測"]
  I --> C

読み出しでは、現在のタスクと知覚情報をメモリールータへ渡します。エピソード記憶から類似する経験を、意味記憶から関連する制約や環境知識を検索し、それらを条件として手続き記憶から候補スキルを選びます。

SayCanは、言語モデルによる行動選択と、ロボットが各スキルを実行できる可能性を表すアフォーダンスを組み合わせます。この考え方は、手続きの検索と実行可能性の検証を分ける設計に対応します。実行後は、成功・失敗や環境からのフィードバックを取得し、継続または再計画します。

書き込みでは、まず全試行をエピソードとして保存します。反復・整合性・信頼度を確認し、安定した事実を意味記憶へ、再利用価値と安全性を検証できた行動系列を手続き記憶へ昇格させます。

記憶層の比較

環境再訪での判断基準

再訪時は、場所・対象・タスクで候補を検索し、時刻、位置、信頼度、有効期限で絞り込みます。その後、現在のセンサー情報や状態推定と照合します。整合すれば手続きを候補にできますが、過去の成功履歴だけで実行を確定してはいけません。不一致なら、再観測や再計画へ分岐させます。

古い意味記憶は手続き選択にも影響するため、出典と有効期限を保持し、環境変化時に更新・無効化できる構造が必要です。手続きも前提条件が満たされなければ呼び出さず、実行後の検証に失敗した場合は再利用候補として扱いを見直します。

制約と採用判断

3ストア構成が、単一メモリや2層構成より一貫して優れることを示す標準化された比較結果は確認されていません。Generative Agentsの検索・反省機構も主にシミュレーション環境を対象としており、動的な物理環境やセンサー誤差、接触安全性を含む実機で同じ効果が得られるとは限りません。

長時間タスクや環境再訪が主目的なら、まずエピソードログを確実に残し、意味記憶と手続き記憶を昇格条件付きの外部ストアとして分離する構成が判断しやすいでしょう。VLM・VLAは知覚、推論、行動生成を担い、検索器、知識管理、スキル実行器を外部化します。RT-2のようなVLAは行動ポリシーの例であり、永続的な3種類の記憶管理機構そのものではありません。

評価では、タスク成功率だけでなく、検索精度、古い記憶の誤使用率、手続き再利用率、再計画率、記憶更新の遅延、推論・検索レイテンシを分けて測定します。再利用の利益と、古い記憶を誤って使うリスクを比較して採用範囲を決めます。

まとめ

エピソード記憶は経験の証拠、意味記憶は検証された環境知識、手続き記憶は条件付きで実行できるスキルとして分担させます。読み出しでは現在の知覚で過去を再検証し、書き込みでは経験をすぐ上位記憶へ固定せず、確認と実行検証を経て昇格させることが、長時間運用に向いた基本方針です。

参考情報

• MemGPT: Towards LLMs as Operating Systems
• Generative Agents: Interactive Simulacra of Human Behavior
• Voyager: An Open-Ended Embodied Agent with Large Language Models
• Do As I Can, Not As I Say: Grounding Language in Robotic Affordances
• Inner Monologue: Embodied Reasoning through Planning with Language Models
• RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control

経験から上位記憶へ昇格する書き込みライフサイクル

flowchart TD
  A["観測・行動・結果"] --> B["エピソードログへ保存"]
  B --> C["反復・整合性・信頼度を確認"]
  C -->|"安定した事実"| D["意味記憶へ昇格"]
  C -->|"再利用可能で安全性を検証済みの行動系列"| E["手続き記憶へ昇格"]
  C -->|"条件を満たさない"| F["エピソード記憶に保持"]
  D --> G["出典・信頼度・有効期限を付与"]
  E --> H["前提条件・効果・実行後検証を付与"]
  I["環境変化"] --> J["無効化または現在のセンサー情報で再検証"]
  G --> J
  H --> J

環境再訪時の検索と現在知覚による再検証

flowchart TD
  A["環境を再訪"] --> B["場所・対象・タスクで過去記憶を検索"]
  B --> C["時刻・位置・信頼度・有効期限で候補を絞る"]
  C --> D["現在のカメラ・力覚・状態推定と照合"]
  D -->|"整合"| E["手続きを候補化"]
  E --> F["前提条件と実行可能性を再検証"]
  F --> G["手続きを実行"]
  D -->|"不一致"| H["再観測・再計画"]
  F -->|"条件不成立"| H
  G --> I["実行後の結果を検証"]
  I -->|"失敗または環境変化"| H

記憶の分離は、再利用性だけでなく、古い情報を無条件に信じないための仕組みとして捉える必要があります。

AI利用に関する注記

本サイトの記事は、複数のAIエージェントによる調査・執筆・レビューを経て公開しています。正確性と品質の向上に努めていますが、内容については必ず一次情報をご確認ください。