AI 에이전트 연구
성공 기억의 오류를 보정하는 로봇 에이전트 메모리 적응 기법
When Successful Memories Mislead Embodied Agents:Memory Adaption For Task-Conditioned Execution
ARarXiv
로봇 에이전트가 과거의 성공 경험을 재활용할 때, 현재 과제 환경과 맞지 않아 오히려 실패하는 문제가 있었습니다.
세 줄 요약
- 새로운 메모리 적응 기법 MATE는 검색된 원본 궤적을 실행 중심의 메모리로 변환하는 후처리 과정을 거칩니다. 이 과정은 LLM 추론 없이도 높은 성공률과 자원 효율성을 보였습니다.
- 단순히 기억을 불러오는 것을 넘어, 현재 과제에 맞춰 경험 데이터를 '재가공'하는 단계를 추가하여 로봇 AI의 현장 적용 가능성을 크게 높였습니다.
- MATE는 '검증된 행동 정규화'를 핵심 메커니즘으로 사용하여, 검색과 실제 실행 사이에 독립적인 경험 적응 단계를 구축합니다.
로봇 에이전트가 과거의 성공 경험을 재활용할 때, 현재 과제 환경과 맞지 않아 오히려 실패하는 문제가 있었습니다.