物体イベントを記憶する人型ロボット用VLA

ヒューマノイドの移動操作では、物体が隠れたり視界から外れたりして手がかりが消えるが、従来の全身VLAは現在の情報しか見ない。WholeBodyMemは、SAM3で追跡した物体のイベントから重要フレームを選んで保持する知覚記憶である。シミュレーション6課題と実機Unitree G1の6課題からなるベンチマークHuMeGoも併せて提案された。基礎ポリシーの成功率はシミュレーションで29.1%から72.6%、実機で36.7%から88.3%に向上した。