DreamLedger: ロボット意思決定ループにおける世界モデル想像のための実行精算クレジットファイル

DreamLedgerは、ロボットの意思決定ループにおいて、world-modelの予測の信頼性を永続的なデプロイメントオブジェクトとして扱うシステム。各予測の消費をclaimとして登録し、実際の結果と照合してcredit fileに記録する。creditは動作条件、領域、予測ホライズンごとに索引付けられ、予測の使用前に参照される。低creditの予測は依存ホライズンを短縮したり、追加観測をトリガーする。すべての依存イベントはdependency ticketsとリプレイ可能なログで監査可能。

従来の信頼性評価は瞬間的でモデル内部のシグナル（例：不確実性推定）に依存していたが、DreamLedgerは実行結果に基づく永続的なcredit fileを導入し、ゼロラベリングコストで予測の成否を集計する点が新しい。また、credit-gated planningにより、消費された予測が後に失敗するburned imaginationを削減する。

手法の肝は、①各消費予測をclaimとして登録し、実現した結果と照合するsettlementプロセス、②測定ノイズを含む結果を除外するattribution stage、③スパースなビンを補完するsettlement-supervised head、④creditに基づく消費ゲーティング（低creditならホライズン短縮や追加観測）、⑤dependency ticketsとリプレイ可能なログによる監査可能性。

3つのシミュレーション領域（屋内飛行、テーブルトップ操作、2Dナビゲーション）で、未変更のDreamerV3、TD-MPC2、V-JEPA 2-ACにマウントして評価。さらに実機のFrankaマニピュレータでも検証。12のホールドアウト条件-ホライズンセルでclaim failureが用量単調であることを確認。credit-gated planningによりburned imaginationが62%削減（95% CI 43-81%）、成功率は同等、衝突率は同等。操作タスクでは検証プローブが1.00から0.36/episodeに削減、成功率0.94対0.98。実機ではセンサーノイズ下でもsettlementが動作し、デプロイ失敗ループがオンラインで再価格化され、1,062の登録spendが監査ログからリプレイ可能。

要旨からは、credit-gated planningが成功率をわずかに低下させる可能性（操作タスクで0.94対0.98）や、raw instantaneous gatesと比較してsettlement-grounded calibrationが中程度のシード一貫した動作点を維持する点が議論として挙げられる。また、実機での検証は単一のFrankaマニピュレータに限られており、汎用性については不明。

要旨で参照されているDreamerV3、TD-MPC2、V-JEPA 2-ACの各手法の論文。また、world-modelの信頼性評価に関する関連研究（例：不確実性推定、モデルベース強化学習のキャリブレーション）が考えられるが、具体的な論文名は要旨にないため、同分野の定番として『Model-Based Reinforcement Learning』や『Uncertainty Estimation in Deep Learning』などの一般名を挙げる。