画像で長期記憶を補うLVMemを提案
原題 LVMem: Image-Augmented Memory for Long-Horizon Question Answering
身体を持つエージェントは、長い観測履歴から物体や出来事、位置に関する質問に答える必要がある。LVMemは画像を取り込んで記憶を拡張し、長時間にわたる質問応答の精度向上をねらう手法として提案された。
論点
ロボットの記憶は文章より画像で持つべきか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
現場の情報は言葉に潰すと落ちる。見たものをそのまま覚える方が強い。反対側の視点
画像は重くて検索も遅い。要約した言語記憶の方が実用的でスケールする。
みんなのコメント 件
コメントを書く