Jad Yammine (ジャド・ヤミン) らは2026年10月20日(現地時間)、論文共有サイトarXiv cs.ROに、ロボットフリート向けの共有型時空間記憶システム「Industrial ReMEmbR (インダストリアル リメンバー)」を提案する研究論文を掲載した。同システムは、NVIDIA ReMEmbR (エヌビディア リメンバー) をロボットフリートに拡張し、オンデマンドでシーン記述を生成することで、サーバーサイドの計算量を削減する。
倉庫ロボットフリートは継続的に稼働状況を観測するが、これらの観測データを再利用可能な意味的記憶として保持するには、多大な計算、通信、ストレージコストが発生する。例えば、繰り返し発生する通路の障害原因を特定するために、複数のロボットによる数シフト分の映像確認が必要となる場合がある。
提案されたIndustrial ReMEmbRシステムは、各ロボットに搭載されたNVIDIA Jetson (エヌビディア ジェットソン) を利用する。このNVIDIA Jetsonは、生のカメラフレームをアップロードすることなく、ビデオクリップをCosmos-Embed1 (コスモスエンベッドワン) による検索埋め込み、Cosmos3-Edge (コスモススリーエッジ) によるビジョントークン、Wan2.2 VAE (ワントゥーポイントツー ブイエーイー) による再構成ラテントへとエンコードする。これらのエンコーディングモデルは、画像パッチ内の人物を検出するためにも再利用され、GDPR (一般データ保護規則) に準拠した展開のためにPII (個人特定情報) 抽象化をサポートする目的で、検出部分をゼロ化する。
Cosmos3-Edgeはビジョンと言語の境界で分割され、ビジョンエンコーダはロボットに、言語デコーダはオンプレミスサーバーに配置される。Nemotron (ネモトロン) エージェントは、内容、位置、時間に基づいて記憶を検索し、キャッシュされたビジョントークンを使用してデコーダに問い合わせる。この設計により、書き込み時のキャプション生成が不要になり、キャッシュされたトークンデコーディングはテストされた全450回のデコードにおいて、分割されていないモデルの出力を再現した。
参考: arXiv cs.RO (アーカイブ) — 2026年10月21日 02:58 (JST)