arXiv cs.AI· Saehun Chun, Wonje Choi, Jinwoo Jang, Taeyoon Kwack, Honguk Woo·· 1 天前AI 评分38
HeMeR：通过结构化 KV 复用为具身智能体实现异构记忆协调
HeMeR: Heterogeneous Memory Reconciliation for Embodied Agents via Structured KV Reuse
AI 导读
HeMeR 是一个面向具身智能体的推理框架，通过在动态更新的记忆上下文与可复用 KV 状态之间做 KV 协调，只重算受记忆内容更新影响的 KV 状态，从而避免全量 KV cache 重算。在真实机器人部署中，HeMeR 实现 83.20% 任务成功率，并将每步推理时间从 MemRL 的 2.94 秒降至 1.87 秒。该工作已被 NeurIPS 2026 接收为 Oral。
正文 · AI 翻译
摘要：具身智能体通过整合来自异构记忆模块的信息来做出决策，这些模块包括用于显式知识的陈述性记忆、用于习得例程的程序性记忆，以及用于当前观测的工作记忆。在交互过程中，决策所需的记忆内容会随智能体的状态、目标和任务进展而变化，而许多内容在连续决策之间保持共享。然而，现有记忆模块通常通过独立接口访问，因此每次更新后的记忆上下文往往作为新的输入被送入基础模型。这导致无法对未变化的记忆内容进行选择性键值（KV）缓存复用，并且即使大部分记忆上下文仍然有效，也不得不重新计算完整的 KV 缓存。我们提出 HeMeR，一种在动态更新的记忆上下文与可复用 KV 状态之间执行 KV 协调的推理框架。HeMeR 在动作决策之间跟踪陈述性、程序性和工作记忆内容，为未变化的内容保留 KV 状态，并仅协调受记忆内容更新影响的 KV 状态。这使得在交互过程中记忆内容演化时能够实现高效且稳定的推理。我们在 ALFWorld、Habitat 以及需要协同使用异构记忆内容的真实世界机器人部署上评估了 HeMeR。在真实世界环境中，HeMeR 实现了 83.20% 的任务成功率，与 MemRL 相比将每步推理时间从 2.94 秒降至 1.87 秒，同时在任务进展更新记忆上下文时保持兼容的 KV 状态。
| 评论： | 已被 NeurIPS 2026 接收（Oral） |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.16487 [cs.AI] |
| （或 arXiv:2611.16487v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.16487 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Saehun Chun [查看电子邮件]
[v1]
2026年11月12日星期四 08:58:20 UTC（10,891 KB）
来源：arXiv cs.AI · arxiv.org