MemoGuard：通信制限のあるロボットナビゲーションにおけるメモリトラップを防ぐ適応型ランタイム
災害調査や捜索救助などのミッションクリティカルなシナリオでは、通信制限のあるロボットは信頼性の高いオンボード判断を下さなければなりません。エピソード記憶の再利用は低コストですが、環境変化により安全でない場合があり、「メモリトラップ」と呼ばれます。本稿では、再利用前にトポロジー、リソース、結果の契約に対して記憶を検証し、検証に失敗した場合のみフォールバックを呼び出す軽量適応型ランタイムMemoGuardを提案します。廊下点検シミュレータにおいて、MemoGuardは類似性のみの再利用と比較してバッテリー安全違反を76.6%削減し、常に推論する方式と比較してフォールバック呼び出しを21.4%削減しました。NVIDIA Jetson AGX Xavier上でローカルllama3.2:3bフォールバックを使用した場合、トライアルあたり3.67秒と36.97Jのオーバーヘッドを回避します。
災害救援や宇宙探査などのミッションクリティカルなタスクにおいて、ロボットは遠隔操作や高性能計算サービスに依存せず、オンボードで信頼性の高い意思決定を行わなければなりません。計算負荷を軽減する一般的な手法として、過去の成功したエピソード記憶を再利用する方法がありますが、取得した動作が現在の状況と類似していても、環境のトポロジー変化、バッテリー残量不足、過去の結果の信頼性低さなどにより、安全でない場合があります。このような類似度が高いが実行が無効なエピソード記憶を、研究者らは「メモリトラップ」と呼んでいます。
IEEE/ACM ESWEEK (CODES) 2026に採択された論文では、この問題に対処するため、軽量適応型ランタイムMemoGuardを提案しています。MemoGuardは、エピソード記憶を再利用する前に、トポロジー契約（環境構造の一致）、リソース契約（バッテリーなどリソースの十分性）、結果契約（過去の動作の信頼性）の3つの契約に基づいて検証します。すべての検証に合格した場合のみ記憶が再利用され、不合格の場合はローカル推論がフォールバックとして呼び出されます。これにより、安全性と効率性のバランスを実現します。
グラフベースの廊下点検シミュレータでの実験では、MemoGuardは類似性のみに基づくトップ1再利用と比較してバッテリー安全違反を76.6%削減し、常にローカル推論を使用する方式と比較してフォールバック呼び出しを21.4%削減しました。NVIDIA Jetson AGX Xavier上でローカルllama3.2:3bモデルをフォールバックとして使用した場合、トライアルあたり平均3.67秒と36.97Jのオーバーヘッドを回避できます。
MemoGuardのコードはGitHub（https://github.com/hetheiin/memoguard）でオープンソースとして公開されています。この研究は、通信制限のあるロボットにとって実用的なソリューションを提供し、無人探査や捜索救助などの分野での応用が期待されます。論文はIEEE/ACM ESWEEK (CODES) 2026に採択され、IEEE Embedded Systems Lettersに掲載予定です。