家庭のような部分的に観測可能な環境で動作する汎用ロボットが自律性を発揮するには、記憶が必要である。ロボットは、物体をどこに置いたか、人間のパートナーがどのタスクを完了したか、あるいは家電がいつ点けられたかといった多様な過去の情報を思い出す必要がある。このような多様な想起を実現するには、汎用的な記憶検索の仕組みが求められる。長い文脈に対する注意を用いて記憶検索を行う Transformer アーキテクチャは、タスク固有のルールや手作業で設計したルールに頼らず、データから検索を学習できるため、有望なアプローチである。
しかし、そのようなアーキテクチャをオフラインデータからの模倣学習に直接組み込むと、二つの重要な課題が生じる。第一に、ポリシーが過去の情報と予測行動の間の偽の相関を学習してしまう可能性がある。第二に、予測の不正確さと環境との相互作用の累積により記憶に誤差が蓄積し、モデルドリフトや連鎖的な失敗を引き起こす。
これらの課題に対処するため、本論文は HALO を提案する。HALO は、長期的制御のための注意に基づく記憶検索機構を備えた視覚運動ポリシーである。まず、偽の相関を抑制するために、HALO は視覚言語モデル（VLM）の事前知識をポリシーに蒸留する。デモンストレーション軌跡から記憶に依存する質問応答ペアを生成し、映像質問応答の目的と jointly に訓練することで、検索をタスクに関連する情報へと導く。
次に、閉ループ制御中に記憶に蓄積される誤差の影響を減らすため、HALO はスパース注意を用いて、履歴の最も関連する部分だけに検索を限定する。これらの要素を組み合わせることで、最大8分間の過去経験からタスク関連情報を検索し、より信頼性の高い長期的制御を可能にする。
本論文は Rutav Shah 氏ら5名によるもので、2026年6月23日に arXiv に投稿された。分野はロボット工学（cs.RO）で、全16ページ、5つの表と8つの図を含む。プロジェクトのウェブサイトは https://robin-lab.cs.utexas.edu/HALO である。