Source-linked AI summary
Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence
Haokai Zhang, Yuhang Ding, Yunshu Zhou, Xinze Du, Shengtao Zhang, Zhiyue Zhao, Yuling Xi, Hao Chen
TL;DR
현재 VLM의 공간 추론은 여전히 어렵기 때문에, 추론 시 외부 전문가 공간 도구 없이 frozen agent를 위한 parameter-update-free self-evolution을 연구할 필요가 있다. SMA는 검증된 경험을 transferable lesson으로 증류하고 보정된 reliability score로 이를 검색하며, 5개 벤치마크와 4개 base VLM에 걸친 20개 평가 중 대부분에서 평가된 방법 중 최고 정확도를 달성한다.
문제
현재 VLM의 공간 추론은 여전히 어려우므로, 추론 시 외부 전문가 공간 도구 없이 frozen agent를 위한 parameter-update-free self-evolution을 연구해야 한다.
방법
SMA는 verifier-guided reflection을 사용해 검증된 공간 경험을 transferable lesson으로 증류한 뒤, semantic similarity와 보정된 Transfer Reliability Score를 통해 이를 검색한다.
결과
SMA는 5개 대표 공간 벤치마크와 4개 base VLM에 걸친 20개 평가 중 대부분에서 평가된 방법 중 최고 정확도를 달성한다.
시사점 및 한계
외부 transferable lesson memory는 training-based post-training 및 tool-augmented reasoning을 보완하는, 공간 self-evolution을 위한 실용적인 parameter-update-free 경로를 제공한다.
시사점 및 한계
TRS 분석은 benchmark difficulty와 question composition의 차이로 제한된다.
Abstract
from arXiv · showhide
Spatial intelligence is becoming a foundation for embodied agents, robotic planning, and multimodal assistants. To improve the spatial reasoning ability of VLM agents, existing work has mainly followed two lines. One line uses post-training methods, such as supervised fine-tuning and reinforcement learning. Another line adopts an agentic paradigm in which the model calls external spatial tools, such as depth estimation and 3D reconstruction tools, to gather intermediate spatial evidence. We study a complementary and underexplored route: Can a frozen VLM agent improve its spatial reasoning through \textbf{parameter-update-free self-evolution}, without depending on external expert spatial tools at inference time? We present \textbf{Spatial Memory Agent (SMA)}, an \textbf{experience-grounded runtime framework} that converts verified spatial experience into reusable transferable lessons. In a verifiable spatial environment, SMA queries the frozen VLM, obtains a predicted answer and reward, and uses \textbf{verifier-guided reflection} to distill compact transferable lessons from spatial experience. SMA further assigns each lesson a \textbf{Transfer Reliability Score (TRS)}, which is initialized uniformly and calibrated from later retrieval outcomes as visit evidence of future transfer reliability. During \textbf{read-only deployment}, SMA retrieves lessons by semantic filter and similarity-TRS combined ranking, allowing the retrieved memory to guide frozen model inference. Across five representative spatial benchmarks and four base VLMs, SMA achieves the highest macro average in every base-model block and the best accuracy among the evaluated methods in most of the 20 evaluations, establishing a practical parameter-update-free path for spatial self-evolution across the evaluated frozen model scales and environments.
1 서론
Spatial reasoning은 현재 VLM에서도 여전히 어렵기 때문에, 검증된 spatial experience에서 얻은 재사용 가능한 lesson을 통한 parameter-update-free self-evolution이 요구된다. SMA는 VLM을 frozen 상태로 유지하고 verifier-guided memory와 transfer-reliability retrieval을 사용하며, 평가된 benchmark-model 조합 대부분에서 최고 accuracy를 달성한다.
- 1 서론: Spatial intelligence의 중요성이 커지고 있음에도 최근 VLM의 발전과 benchmark는 spatial reasoning이 여전히 어렵다는 점을 보여주며, 기존 개선 방법은 주로 post-training이나 external spatial tool을 사용한다.SMA는 해결된 instance를 memorizing하기보다 lesson의 transfer에 초점을 둔, 덜 탐구된 parameter-update-free self-evolution 대안을 연구한다.
- 1 서론: SMA는 VLM parameter를 frozen 상태로 유지하면서 verifier-grounded spatial experience를 재사용 가능한 transferable lesson으로 변환하는 experience-grounded runtime framework다.각 problem에 대해 frozen VLM에 질의하고 predicted answer와 reward를 얻은 뒤 verifier-guided reflection을 적용한다.
- 1 서론: SMA는 task-embedding semantic filtering과 similarity-TRS ranking을 사용해 lesson을 retrieval하며, TRS는 이후 방문에서 얻은 transfer reliability evidence를 바탕으로 calibration된다.retrieved procedure는 inference time에 external expert spatial tool 없이 새로운 spatial task에 대한 read-only deployment를 유도한다.
- 1 서론: 다섯 spatial benchmark와 네 base VLM에 걸친 평가에서 SMA는 20개 평가 중 대부분에서 평가된 method 가운데 best accuracy를 달성한다.이는 external transferable lesson memory가 spatial self-evolution을 위한 실용적인 parameter-update-free 경로임을 확립한다.
2 관련 연구
관련 연구는 주로 spatial post-training과 self-evolving 또는 memory-augmented agent를 다룬다. SMA는 training-free spatial self-evolution과 spatial procedure transfer를 위한 Transfer Reliability Score를 통해 이러한 접근의 공백을 해결한다.
- 기존 spatial reasoning 연구는 주로 두 가지 경로를 탐구하며, 그중 하나가 spatial post-training이다. SpatialVLM은 instruction data를 사용해 object relationship과 spatial grounding을 학습시킨다 (Chen et al., 2024).
- Self-evolving 및 memory-augmented agent는 interaction trace, reflective reward, retrieved knowledge, long-term state를 재사용해 새로운 task마다 training하지 않고 이후 의사결정을 개선한다 (Zhong et al., 2024; Park et al., 2023; Shinn et al., 2023).
- 핵심 공백은 기존 접근이 표면적 relevance와 spatial reasoning procedure가 새로운 context로 reliably transferred되었는지를 구분하지 못한다는 점이다.
- SMA는 training-free self-evolution과 새로운 visual context 및 task 전반에서 spatial procedure-transfer reliability를 추정하는 Transfer Reliability Score로 두 공백을 해결한다.memory writing 단계에서 reflection은 검증된 rollout을 procedural memory로 압축한다. read-only deployment에서는 parameter와 memory bank를 변경하지 않은 채 semantic similarity와 TRS를 사용해 후보를 검색한다.
3 방법
SMA는 verifier에 의해 뒷받침된 경험을 transferable procedural memory로 변환하고 이를 frozen VLM 추론에 활용해 parameter-update-free spatial self-evolution을 가능하게 한다. 경험 획득과 memory calibration을 semantic 및 reliability-aware retrieval을 사용하는 read-only deployment와 분리한다.
- 개요: SMA는 base model의 parameter를 변경하지 않고 deployment 문제를 개선하기 위해 transferable spatial procedure의 외부 library를 구축한다.environment split과 deployment split은 서로 겹치지 않으며, memory bank는 read-only deployment 중에만 새로운 reasoning을 유도한다.
- Memory Construction: 각 memory card에는 task, rollout summary, transferable lesson, visit statistics, accumulated reward, Transfer Reliability Score가 저장된다.검색된 card에는 task, summary, lesson만 노출되며, 이전 prediction이나 verified answer는 노출되지 않는다.
- Memory Construction: Verifier-guided reflection은 채점된 rollout을 strict-JSON summary와 lesson으로 변환하며, answer를 다시 제시하지 않고 task pattern, failure trap, check를 기술한다.주요 method는 leakage 방지 규칙을 적용하면서 reflection에 verified target을 제공한다.
- Retrieval: Two-stage retrieval은 먼저 semantic similarity로 card를 filter한 다음, normalized similarity와 TRS를 사용해 candidate의 순위를 매기고 상위-k guidance card를 prompt 앞에 붙인다.결합 score는 calibrated transfer reliability를 반영해 피상적인 over-ranking을 줄이며, η가 TRS weight를 조절한다.
- Reliability Calibration: TRS는 uniform하게 시작하며 subsequent retrieval visit과 reward를 통해 calibration되고, low-visit memory를 해당 memory의 creation rollout 정확도가 아니라 shared prior 쪽으로 수축한다.One-Pass Memory Writing은 첫 environment pass에서만 card를 생성하고, 이후 pass에서는 고정된 bank를 재사용해 reliability를 update한다.
4 실험
다섯 개의 spatial benchmark와 네 개의 frozen VLM에서 SMA는 모든 base-model block에서 최고 macro average를 달성했으며, 구조화된 memory, calibrated retrieval, transferable experience를 통해 성능을 향상한다. 추가 분석은 TRS-guided memory가 모델과 benchmark를 넘어 transfer되고, 전반적인 spatial ability를 개선하며, 더욱 효율적인 memory writing을 가능하게 함을 보여준다.
- 실험 설정: 실험은 RoboSpatial, ERQA, Omni3D, SAT, EmbSpatial을 대상으로 하며, frozen base model로 Qwen3.5-9B, Qwen3.5-122B-A10B, Qwen3.6-35B-A3B, Qwen3.6-27B를 사용한다.benchmark는 embodied robot perception, physical scene understanding, 3D relation, abstract spatial aptitude, instruction-grounded embodied reasoning을 포괄한다.
- 전체 결과: SMA는 모든 base-model block에서 최고 macro average를 달성한다: 68.8, 66.7, 69.8, 63.5이며, 각각 가장 강한 non-SMA baseline보다 2.6, 2.9, 1.7, 2.8 points 높다.평가는 다섯 개 benchmark slice와 네 개 frozen base model을 대상으로 하며, 전체 비교 결과는 Table 1에 제시한다.
- 구성 요소 Ablation: 구조화된 summary, transferable lesson, semantic filtering, raw output, reward-only reflection을 제거하면 RoboSpatial accuracy가 각각 3.2, 3.5, 5.8, 4.4, 5.5 points 하락한다.이 ablation은 Qwen3.6-27B를 사용하며 memory representation, reflection signal, retrieval component를 분리해 평가한다.
- Transfer와 Reliability: Transferred memory는 모델과 benchmark 전반에서 accuracy를 향상하며, 성공한 source question에서 얻은 memory는 evaluation accuracy가 24.3 percentage points 더 높다.mean TRS가 [0.2, 0.3)인 경우 accuracy는 19.3%에서 [0.9, 1.0]인 경우 97.3%로 상승하지만, pooled trend에는 benchmark 난이도와 question composition의 영향이 반영되었을 수 있다.
- Retrieval과 효율성: SMA는 macro-average retrieved-memory similarity를 0.792에서 0.698로 낮추는 동시에 macro accuracy를 66.8%에서 69.8%로 높여, nearest-neighbor retrieval만으로는 충분하지 않음을 보인다.One-Pass Memory Writing은 메모리를 열 배 적게 사용하고, 중복을 21% 줄이며, 최종 pass까지 TRS-update coverage를 대략 두 배로 높인다.
- Ability-Level 분석: SMA는 평가한 all ten atomic ability를 평균적으로 향상하며, 가장 큰 향상은 Correspondence에서 +11.2 pp, Attribute에서 +8.0 pp, Object motion에서 +7.6 pp다.정성적 사례는 size checking, coordinate localization, depth comparison, motion simulation, background anchoring을 위한 procedure retrieval을 보여준다.
5 결론 · 부록
SMA는 검증된 공간 경험을 재사용 가능한 전이 가능 lesson으로 변환하는, frozen VLM agent를 위한 경험 기반 training-free framework다. 5개 공간 benchmark와 4개 base VLM에 걸친 20개 평가 중 대부분에서 평가된 방법 중 최고 accuracy를 달성했다.
- 5 결론: SMA는 frozen VLM agent를 위한 경험 기반 training-free framework를 제공한다.
- 5 결론: 이 framework는 검증된 공간 경험을 재사용 가능한 전이 가능 lesson으로 변환한다.
- 5 결론: 5개 대표 공간 benchmark와 4개 base VLM에 걸쳐 SMA는 20개 평가 중 대부분에서 평가된 방법 중 최고 accuracy를 달성했다.
- 5 결론: SMA는 model weight를 update하지 않으면서 runtime memory를 통해 frozen agent의 개선을 지원한다.
- 5 결론: Verifier-guided reflection은 과거 instance를 단순히 replay하는 대신 검증된 공간 경험에서 재사용 가능한 lesson을 distill한다.
- 5 결론: Transfer Reliability Scores는 visit evidence로 calibration되며, 신뢰할 수 있는 lesson은 이후 inference를 guide하도록 retrieve된다.
A 추가 실험 결과 · A.1 SITE-image 및 ViewSpatial 추가 결과
Table 7은 네 개의 base model과 비교 baselines 전체를 대상으로 SITE-image와 ViewSpatial에 대한 평가를 확장해, accuracy와 macro-average 결과를 보고한다. 두 benchmark에 대해 열별 최고 및 차순위 결과를 비교해 제시한다.
- A 추가 실험 결과: Table 7은 네 개의 base model 전체에 대해 SITE-image와 ViewSpatial의 확장 결과를 보고한다.
- A.1 SITE-image 및 ViewSpatial 추가 결과: 평가에는 각 base model에 대해 비교한 baselines 전체가 포함된다.
- A.1 SITE-image 및 ViewSpatial 추가 결과: 결과는 백분율 포인트로 측정한 accuracy를 사용해 보고한다.
- A.1 SITE-image 및 ViewSpatial 추가 결과: 표에는 두 benchmark 열에 대한 macro average로 정의된 Avg. 열이 포함된다.
- A.1 SITE-image와 ViewSpatial에 대한 추가 결과: 벤치마크 열은 SITE-image와 ViewSpatial을 각각 다룬다.
- A.1 SITE-image 및 ViewSpatial 추가 결과: Table 7은 각 열에서 최고 및 차순위 결과를 식별한다.
A.2 추가 Ablation 및 Hyperparameter Sensitivity 결과
이 절에서는 Qwen3.6-27B를 사용해 Omni3D로 ablation 분석을 확장하고, 본문 RoboSpatial ablation 형식에 맞춰 hyperparameter sensitivity를 검토한다.
- Ablations 및 reflection 설정: Omni3D ablation 표는 Qwen3.6-27B의 추가 tuning 실행 결과를 사용해, SMA reference와 비교하여 제외된 구성 요소 및 reflection 변형을 분석한다.보고 형식과 ablation 설정은 본문 RoboSpatial ablation과 일치한다.
- Hyperparameter sensitivity: Figure 7은 Omni3D hyperparameter sensitivity 분석을 제시한다.
B 방법 세부사항 · B.1 방문 증거 보정 설계 · B.2 SMA 의사코드
SMA는 보수적 사전분포를 사용해 이후 방문에서 얻은 증거로 각 memory의 Transfer Reliability Score를 보정한 뒤, reliability와 semantic similarity를 결합해 retrieval을 수행한다. 의사코드는 deployment 중 memory를 추가하거나 score를 업데이트하지 않고, experience 구축, memory 업데이트, read-only deployment를 분리한다.
- B.1 방문 증거 보정 설계: 보정은 순서 불변적이며 증거에 기반한다. 방문 횟수와 누적 reward가 같은 memory는 동일한 score를 받고, 방문이 누적될수록 신뢰할 수 있는 lesson은 승격되며 유해한 lesson은 억제된다.이 설계는 한두 번의 noisy visit에 과도하게 반응하지 않으며, 생성 문제를 넘어선 유용성을 이후 transfer outcome이 결정하도록 한다.
- B.1 방문 증거 보정 설계: SMA는 모든 memory를 중립적인 TRS로 초기화하고, 생성 rollout을 그대로 신뢰하는 대신 이후 retrieval에서 누적된 verifier reward로 이를 업데이트한다.각 memory는 visit count n_i, cumulative reward c_i, TRS v_i를 저장하며, n_i = 0, c_i = 0, v_i = v_0으로 초기화된다.
- B.1 방문 증거 보정 설계: retrieval에서 SMA는 먼저 semantic similarity로 memory를 필터링한 다음, 정규화된 similarity와 TRS를 결합해 후보를 ranking하고 topical relevance와 경험적 reliability 사이의 균형을 맞춘다.Z-score normalization은 두 ranking 항을 비교 가능한 candidate-set scale에 놓을 뿐이며, λ 기반 low-visit shrinkage를 대체하지 않는다.
- B.2 SMA 의사코드: experience collection 동안 SMA는 pass마다 environment problem을 섞고, 조건을 충족하는 memory를 retrieval하며, frozen-VLM prediction을 생성하고, 이를 평가하고, 선택된 memory를 업데이트하며, 첫 번째 pass에서 reflection을 수행해 새 memory를 작성한다.이 절차는 frozen VLM, reflection model, environment problem, deployment problem, retrieval size, similarity threshold, reliability weight, initial value, prior strength를 입력으로 받는다.
- B.1 방문 증거 보정 설계: TRS update는 prior-smoothed empirical success rate인 v_j = (λv_0 + c_j)/(λ + n_j)이므로, 방문 횟수가 적은 memory는 보수적으로 변하고 반복된 증거가 지배적으로 반영된다.prior는 평균 reward가 v_0인 λ회의 가상 방문처럼 작동한다. λ가 클수록 보정은 안정적이 되고, 작을수록 더 민감하게 반응한다.
- B.2 SMA 의사코드: read-only deployment에서 SMA는 각 deployment problem에 대해 기존 memory를 retrieval하고 사용한 뒤 prediction을 저장하며, visit count, reward, TRS에 대한 새 memory 작성이나 업데이트를 수행하지 않는다.deployment loop는 inference 이후 누적된 memory bank와 함께 prediction을 반환한다.
C 실험 세부사항 … C.2.4 EmbSpatial
실험은 상호 보완적인 7개 spatial benchmark slice를 아우르며, 본문에서 다루는 4개 benchmark를 10개의 atomic capability로 구성하고 각 benchmark에 대한 상세한 category annotation을 제공한다. 부록에서는 benchmark별 하위 category와 대표 예시를 추가로 설명하며, EmbSpatial의 방향 및 거리 관계도 포함한다.
- C.1 Benchmark 개요: 7개 benchmark slice는 상호 보완적인 입력 형식, answer space, spatial reasoning 요구를 포괄하며, 본문 표에는 RoboSpatial, ERQA, Omni3D, SAT, EmbSpatial이, 부록에는 SITE-image와 ViewSpatial이 포함된다.평가된 slice는 robot 중심 이해, embodied question answering, 3D reasoning, dynamic spatial aptitude, language-grounded relation, image-only spatial task, multi-perspective localization을 아우른다.
- C.1.1 RoboSpatial; C.1.2 ERQA: RoboSpatial은 정규화된 free-space localization, object configuration, placement compatibility를 평가하는 반면, ERQA는 robot 관련 state, action, trajectory, spatial fact를 중점적으로 다룬다.RoboSpatial은 단일 RGB image를 사용하고, ERQA는 action 선택이나 state 변화 추적과 같은 물리적 robot 의사결정을 지원하는 답변인지 평가한다.
- C.1.3 Omni3D; C.1.4 SAT: Omni3D는 3D quantity와 relation에 대한 open-answer reasoning을 요구하는 반면, SAT는 goal, action, perspective, object movement, egocentric movement를 포함하는 binary question을 평가한다.Omni3D는 metric estimate, occlusion, containment, capacity, counterfactual placement를 포함하며, SAT는 dynamic 및 egocentric reasoning을 강조하기 위해 순서가 있는 한두 장의 still image를 사용한다.
- C.1.5 EmbSpatial; C.1.6 SITE-image; C.1.7 ViewSpatial: EmbSpatial은 language-grounded left, right, above, under, close, far relation을 평가하며, SITE-image와 ViewSpatial은 각각 image-only spatial task와 multi-perspective localization을 다룬다.EmbSpatial은 더 큰 image QA pool을 통해 RoboSpatial을 보완하고, SITE-image는 SITE의 image example만 유지하며, ViewSpatial은 여러 scene view를 사용한다.
- C.2 Benchmark Taxonomy 및 Atomic Capability Annotation: 이 taxonomy는 서로 다른 benchmark 결과를 10개의 atomic capability인 Correspondence, Attribute, Object motion, Localization, Relation, Distance/depth, Mental simulation, Tracking, Camera reasoning, Affordance로 통합한다.Benchmark category가 복합적인 reasoning procedure를 요구하는 경우 여러 capability에 매핑될 수 있다.
- C.2 Benchmark Taxonomy 및 Atomic Capability Annotation: 본문의 atomic-ability breakdown은 RoboSpatial, ERQA, SAT, EmbSpatial을 다루며, 적절한 question-level taxonomy를 이용할 수 없거나 보고된 통계의 범위를 벗어나므로 Omni3D, SITE-image, ViewSpatial은 제외한다.Omni3D annotation은 spatial-ability category가 아니라 float, int, str이라는 answer_type 값을 제공한다.
- C.2.1 RoboSpatial; C.2.2 ERQA: RoboSpatial과 ERQA에는 context, configuration, compatibility, spatial reasoning, trajectory reasoning, action reasoning, state estimation, pointing, multi-view reasoning, task reasoning을 포괄하는 상세한 category annotation이 부여된다.대표 예시와 annotation은 Tables 9–18에 보고된다.
- C.2.3 SAT; C.2.4 EmbSpatial: SAT의 taxonomy에는 Goal Aiming, Action Consequence, Allocentric Perspective, Action Sequence, Object Movement, Egocentric Movement가 포함되며, EmbSpatial은 Tables 25–26의 예시와 함께 방향 및 거리 하위 category를 annotation한다.SAT category는 target을 향한 방향, action으로 유발된 spatial change, observer 기준 relation, frame 간 movement, ego movement를 포착한다.
C.3 데이터셋 분할 구성 … C.6 하이퍼파라미터 설정
논문은 서로 겹치지 않는 environment/deployment 분할을 구성하고, 점진적으로 다른 memory baseline을 비교하며, SMA를 parameter-update-free procedural-memory 방법으로 평가한다. 실험에는 명시된 computing infrastructure와 backbone별 하이퍼파라미터 표가 사용된다.
- C.3 데이터셋 분할 구성: 유지된 non-SAT image-question pool은 seed 42를 사용해 category별로 50/50 분할되며, memory writing을 위한 서로 겹치지 않는 environment split과 read-only evaluation을 위한 deployment split을 구성한다.크기가 홀수인 category에서는 여분의 example을 environment에서 시작해 두 split에 번갈아 배정한다. Table 27은 원래 pool과 유지된 pool을 보고한다.
- C.4.1 No memory: No memory는 VLM을 동결하고 environment 단계의 writing이나 external-memory retrieval 없이 benchmark prompt로 deployment split에서 직접 평가한다.이는 직접적인 frozen-model baseline을 제공한다.
- C.4.2 RAG: RAG (Lewis et al., 2020)는 이전 rollout record를 저장하고 이전 output이 포함된 task-similar example을 retrieval하지만, reflected lesson writing은 수행하지 않으며 TRS도 사용하지 않는다.따라서 RAG는 procedural-memory method라기보다 example-retrieval baseline이다.
- C.4.3 MemP: MemP (Fang et al., 2026)는 rollout을 compact summary와 transferable lesson으로 reflection한 다음, visit-evidence reliability calibration 없이 semantic similarity로 이를 retrieval한다.이는 reflected procedure text의 기여를 분리해 측정한다.
- C.4.4 MemRL-R / C.4.5 MemRL-GT: MemRL-R과 MemRL-GT (Zhang et al., 2026)는 reflection supervision을 달리한다. MemRL-R은 model output과 scalar verifier reward를 사용하는 반면, MemRL-GT는 ground-truth-guided feedback을 사용한다.MemRL-GT는 더 강한 reflection supervision과 memory-value calibration을 분리한다.
- C.5 Computing Infrastructure: 실험은 NVIDIA H200 GPU 네 개, 48-core Xeon Platinum 8558 CPU 두 개, 192 logical thread, 2.0 TiB system memory를 갖춘 Linux server에서 수행된다.보고된 software stack에는 Ubuntu 22.04.5 LTS, CUDA 12.8, Python 3.12.13, PyTorch 2.11.0+cu128, Transformers 5.8.1, vLLM 0.20.0이 포함된다.
- C.6 하이퍼파라미터 설정: 하이퍼파라미터 설정은 각 backbone인 Qwen3.5-122B-A10B, Qwen3.6-35B-A3B, Qwen3.6-27B, Qwen3.5-9B에 대해 one compact table로 보고된다.Tables 28–31은 이 네 backbone에 대해 선택된 SMA 설정을 제공한다.
D 제한 사항 … E.1 성공 사례
SMA의 한계는 해결되지 않은 credit assignment와 장기 메모리 유지 관리에 있으며, 정성적 분석은 검색된 transferable procedure가 다양한 task와 benchmark에서 올바른 spatial reasoning을 지원함을 보여준다.
- D.1 Memory Evolution에서의 Credit Assignment: SMA는 outcome 변화가 memory writing, reflection, retrieval, semantic filtering, final memory use 중 무엇에 기인하는지 정확히 귀속할 수 없다.Task-level verification feedback은 검색되었거나 새로 작성된 memory를 강화할지, 수정할지, 폐기할지만을 나타낸다.
- D 제한 사항: SMA의 더 넓은 한계는 full long-term memory maintenance lifecycle을 구현하지 않은 채 transferable-lesson writing, retrieval, reliability weighting을 다룬다는 점이다.Memory bank가 커질수록 lesson이 중복되거나, 충돌하거나, 지나치게 구체적이거나, 오래되어 무효화될 수 있으므로 maintenance가 중요해진다.
- D.2 Long-Term Memory Maintenance: SMA는 storage 또는 latency 제약하에서 memory를 삭제, 병합, 압축, 만료, 재작성하기 위한 명시적 lifecycle management가 부족하다.TRS는 신뢰할 수 없는 memory의 가중치를 낮추고 semantic filtering은 약한 retrieval을 제거할 수 있지만, lesson은 여전히 중복되거나, 충돌하거나, 지나치게 구체적이거나, 오래되어 무효화될 수 있다.
- E.1 성공 사례: 정성적 분석은 7개 benchmark 전체에 걸친 6개의 successful-transfer 사례와 8개의 wrong-to-right 사례를 검토한다.이 사례들은 복사된 answer가 아니라 재사용 가능한 reasoning procedure가 새로운 visual evidence를 해결하는 데 도움이 되는지를 검증한다.
- E.1 성공 사례: Successful-transfer 사례에서는 relevant transferable lesson을 검색한 뒤 baseline과 SMA가 모두 정답을 내는 반면, wrong-to-right 사례에서는 retrieval 후 SMA가 baseline error를 교정한다.사례는 3D spatial, camera-motion, temporal 및 relative-depth, robot-scene, viewpoint, embodied spatial reasoning을 포괄한다.
- E 정성적 결과: 정성적 결과는 memory-guided reasoning이 서로 다른 spatial environment와 deployment task 사이에서 transfer될 수 있다는 cross-benchmark evidence를 제공한다.분석된 사례는 Omni3D, SAT, SITE-image, ERQA, ViewSpatial, RoboSpatial, EmbSpatial을 포괄한다.
- E.1 성공 사례: 각 정성적 panel은 question과 image, retrieved memory와 최종 TRS, model response, 그리고 lesson과 현재 visual evidence 사이의 alignment를 추적한다.이 구성은 검색된 procedure가 단순히 answer를 제공하는 것이 아니라 model의 decision을 지원하는지를 평가한다.
E.2 실패 사례 … ViewSpatial: Memory retrieval prompt
논문은 실패 원인을 분석하며, benchmark specification의 모호성이 답을 미결정 상태로 만들 수 있고 관련 memory가 있어도 지속적인 visual-grounding 오류가 남는다는 점을 보인다. Prompt template은 이전 답을 복사하지 않고 reasoning을 유도하는, 전이 가능하고 shape-matched된 procedural memory를 운용하며 현재 visual evidence에 기반한 재도출을 요구한다.
- E.2 실패 사례: SMA의 실패는 benchmark 측 모호성과 base-model 한계를 구분한다. 전자는 답을 미결정 상태로 만들고, 후자는 관련 memory를 retrieval해도 지속된다.Benchmark 모호성에는 불충분하게 명시된 질문, 누락된 metric 또는 depth 정보, 부분적 evidence, 숨겨진 simulator geometry가 포함된다. Model 한계에는 TRS ≥0.6 memory가 있어도 movement direction, object count, spatial connectivity를 잘못 해석하는 문제가 포함된다.
- E.2 실패 사례: 실패 사례는 retrieved procedure가 모호한 pose, 명시되지 않은 depth 정의, 이용할 수 없는 measurement, 부정확한 visual grounding을 보완할 수 없음을 보인다.예로는 image-position cue로 인한 depth-ranking 오류, 일반적인 object dimension에 기반한 clearance 판단, 정의되지 않은 arrival heading에 따라 달라지는 viewpoint 답이 있다.
- F Prompt Templates: Appendix는 benchmark마다 세 가지 prompt class를 보고한다. task-solving system prompt, transferable lesson을 생성하는 reflection prompt, 선택된 memory를 이후 task 앞에 덧붙이는 retrieval prompt다.Runtime memory block에는 rank, similarity, task, transferable lesson, summary 값이 포함되며, retrieval된 memory가 없으면 생략된다.
- RoboSpatial: System prompt: RoboSpatial prompt는 vacant-region pointing, object-configuration verification, placement compatibility를 중심으로 reasoning을 구성하고, current-image grounding, shape-specific check, exact answer format을 강제한다.Protocol은 비어 있는 normalized coordinate에 여러 점을 지정하고, relation을 문자 그대로 검증하며, clearance 또는 obstacle을 확인하도록 요구한다. Current image evidence가 memory보다 우선한다.
- RoboSpatial: Reflection prompt: RoboSpatial reflection 및 retrieval prompt는 rollout diagnosis를 동일한 question shape에 대한 추상적 lesson으로 변환하고, answer leakage를 금지하며, 새로운 각 답을 current image에서 다시 도출하도록 요구한다.Retrieved memory는 answer key가 아니라 점검 사항이나 함정으로 제공되며, pointing·configuration·compatibility 질문을 별도로 처리한다.
- Reflection and memory retrieval prompts: 따라서 prompt design은 memory를 동일한 structural shape을 공유하는 새로운 instance를 위한 procedural guidance로 다루며, 반복된 scene의 answer key로 다루지 않는다.이 원칙은 future-agent reasoning에 대해 명시적으로 제시되며, reflection prompt의 anti-leakage constraint와 함께 사용된다.
- RoboSpatial: Memory retrieval prompt: Benchmark prompt 전반에서 memory retrieval은 noun-based가 아니라 structural하다. 적용 가능한 memory는 제한적인 check 또는 trap만 제공하고, 이전 coordinate, label, letter, wording은 복사하지 않는다.제공된 RoboSpatial 및 ERQA retrieval prompt는 모두 agent가 맞지 않는 memory를 무시하고 current attachment에서 output을 다시 도출하도록 지시한다.
- ERQA: System prompt: ERQA prompt는 kinematics, trajectory, task state, multi-view correspondence, surface pointing을 다루며, 하나의 answer letter를 선택하기 전에 attachment-order alignment와 shape-specific visual validation을 사용한다.Reflection 및 retrieval instruction은 procedural lesson, anti-leakage, motion simulation, containment verification, color가 아닌 cross-view geometry matching과 같은 check를 강조한다.