身体化推論2026/8/24arXiv:2608.22971

ParallelWorld: 身体化推論のためのテスト時スケーリング

ParallelWorld: Test-Time Scaling for Embodied Reasoning

身体化推論における探索を、単一ステップの貪欲な選択ではなく、複数ステップの未来軌道を並列にシミュレーションして評価するフレームワークを提案した論文。

詳しい要約

1. どんなもの？

ParallelWorldは、Embodied Reasoning（身体化推論）のためのマルチホライズン・テストタイム・スケーリングフレームワークである。エージェントが環境と相互作用しながらタスク関連情報を獲得する動的探索において、複数ステップの将来軌道を並列にシミュレーションし評価することで、単一ステップの貪欲な試行錯誤を超えた長期的計画を可能にする。具体的には、verifier-guided tree-searchパラダイムを導入し、現在の状態から複数の並列軌道に分岐して多段階にわたって展開し、各シミュレーションステップでverifierエージェントが中間状態遷移を評価して有望な枝を優先し、最終的に長期的結果を統合して最適な行動系列を決定する。

2. 先行研究と比べてどこがすごい？

既存の能動的推論アプローチは探索軌道を段階的に生成するが、長期的計画が欠如している。また、最近のテストタイム・スケーリングフレームワークは近視眼的な単一ステップの先読みに留まり、複雑で遮蔽された空間環境における遅延フィードバックを解決するのが困難である。ParallelWorldは、マルチステップの将来軌道を並列にシミュレーションし評価することで、長期的計画を可能にし、遅延フィードバックの問題に対処する点が新しい。

3. 技術・手法の肝は？

手法の核心は、verifier-guided tree-searchパラダイムである。現在の状態から複数の並列軌道に分岐し、多段階のホライズンにわたって連続的に展開する。各シミュレーションステップで、verifierエージェントが中間状態遷移を評価し、有望でない枝を動的に剪定し、情報利得が最も高い経路を優先する。マルチステップの将来シミュレーションが完了すると、エージェントは長期的結果を統合して最適な行動系列を決定する。最後に、answerエージェントが選択された軌道に基づいて推論を行い、最終的な回答を生成する。

4. どうやって有効だと検証した？

ESI-Benchデータセットを用いた広範な実験により、ParallelWorldが能動的知覚と推論の性能を一貫して向上させることが検証された。具体的な数値や比較対象は要旨からは不明であるが、ベンチマークでの性能向上が示されている。

5. 議論はある？

要旨からは、提案手法の限界や議論点は明示されていない。ただし、マルチステップシミュレーションの計算コストや、verifierエージェントの評価精度が性能に与える影響などが潜在的な議論点として考えられるが、要旨には記載がないため不明。

6. 次に読むべき論文は？

要旨で参照されている研究は、能動的推論アプローチやテストタイム・スケーリングフレームワークに関するものである。具体的な論文名は挙げられていないが、関連分野として、Embodied Reasoning、Active Perception、Test-Time Scaling、Tree-Search Methods（例：Monte Carlo Tree Search）などの研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Min Chen, Shengjun Zhang, Yuxin Li, Zhang Zhang, Xin Fei, Chong Xia, Yueqi Duan

分類: cs.AI, cs.CV

原文アブストラクト

Embodied Reasoning constitutes a fundamental capability of embodied intelligence, serving as the basis for autonomous perception, reasoning, and interaction within physical environments. Recent studies have shifted the paradigm of embodied reasoning from static perception toward dynamic exploration, where agents acquire task-relevant information through interactions with the environment. However, existing active reasoning approaches generally generate exploration trajectories incrementally without long-horizon planning. Even recently emerged test-time scaling frameworks often resort to myopic, single-step lookaheads, which struggle to resolve the delayed feedback inherent in complex, occluded spatial environments. To address this limitation, we propose ParallelWorld, a multi-horizon test-time scaling framework for embodied reasoning. Instead of greedy, single-step trials, ParallelWorld empowers agents to simulate and evaluate multi-step future trajectories in parallel before committing to an action. Specifically, we introduce a verifier-guided tree-search paradigm. Starting from the current state, ParallelWorld branches into multiple parallel trajectories and rolls them out continuously across a multi-step horizon. At each simulation step, a verifier agent evaluates the intermediate state transitions, dynamically pruning unpromising branches and prioritizing paths with the highest information gain. Once the multi-step prospective simulation is complete, the agent synthesizes the long-horizon outcomes to commit to the optimal action sequence. Finally, an answer agent performs reasoning over the selected trajectory to produce the final reasoning. Extensive experiments on ESI-Bench demonstrate that ParallelWorld consistently improves active perception and reasoning performance.

arXivで原文を読む →arXiv概要ページ

← 論文一覧