本研究は、ロボット制御におけるメモリ使用の拡張を目指すMemERという手法を提案しています。人間はタスクを遂行する際に記憶に依存しますが、現在の多くのロボット政策はこの能力を欠いています。従来の手法では長い観察履歴への単純な条件付けが計算コストが高く、環境変化に敏感だったり、履歴の無差別なサンプリングが関連性のない情報を生じることがあります。MemERは、高レベルのポリシーが以前の重要なフレームを選択し追跡する階層的なフレームワークを構築し、これにより低レベルのポリシーが実行する際のテキスト指示を生成します。このデザインは従来の視覚言語アクションモデルと互換性があり、長期的な依存関係を効率的に処理可能です。我々の実験では、MemERは従来の方法を上回る結果を示し、3つの実世界のロボット操作タスクにおいて優れた性能を発揮しました。