# LTM、ロボットに過去の行動を簡潔に記憶させる

> 研究者らは、視覚・言語・行動モデルを使うロボットが過去のやり取りをコンパクトな状態遷移として保持する手法を発表。記憶を要するタスクで成功率が向上したと報告した。

Oossa · 2026-10-16 · https://oossa.com/ja/ltm-gives-robots-a-compact-memory-of-past-actions

研究者らは、視界から消えたやり取りをロボットが記憶できる手法「Latent Transition Memory（LTM）」を発表した。観測内容を丸ごと保存するのではなく、連続する観測間の状態遷移を簡潔に記録し、視覚・言語・行動モデルのπ₀.₅と組み合わせて使う。

報告された実験では、LTM-πの成功率はLIBERO-Memで80.5%、RoboMMEで58.54%に達し、外部の推論モデルも記憶専用のアノテーションも使わないベースラインを上回った。また、実機ロボットでの数え上げタスクの成功率は11.25%から82.50%に上昇したという。論文の要旨には、使用したロボットやテスト環境の詳細は記載されていない。

## 事実

- この手法は連続する観測間の状態遷移を保存し、逐次推論に因果的なKVキャッシュを使う。
- 論文によると、メモリ容量を200トークンに制限した場合の成功率は84.00%。圧縮しない場合は87.50%だった。

## なぜ重要か

ロボット研究者にとって、LTMはやり取りの履歴を限られたメモリに収める方法として実証されている。ただし、要旨だけでは、ほかのロボットやタスクにも同様に適用できるかは分からない。

## 出典と参考資料

1. [LTM: Latent Transition Based In-Context Memory for Vision-Language-Action Models](https://arxiv.org/abs/2610.21362) – arXiv cs.RO, 2026-10-16

最終更新: 2026-10-16