身体性を超えた知能

- ロボットのembodiment（sensing, kinematics, dynamics, geometry, actuation, control）が異なる多様なロボット間で、汎用的なembodied intelligenceを実現するための学習を議論するposition paper。 - 既存のembodiment間の対応を設計する手法は短期的な利点があるが、長期的な転移範囲を制限すると主張。 - 経験が増えるにつれてより多くのembodimentへの転移を可能にする表現の発見を目指す。 - embodiment diversityをスケーリングの軸として提案し、broad learned priorsを補完要素として特定。 - embodiment gapと転移性能をよりよく特徴づける評価を呼びかける。

- 従来のembodiment間の対応を工学的に設計する手法は即時の実用的利点があるが、その仮定が長期的な転移の範囲を制限する。 - 本論文は、経験の蓄積に伴いより広範なembodimentへの転移を可能にする表現を発見する、より一般的なアプローチを提唱。 - embodiment diversityをスケーリングの軸として提案し、broad learned priorsを補完要素とする点が新しい。 - 評価に関しても、embodiment gapと転移性能をより適切に特徴づける必要性を強調。

- 具体的な技術や手法の詳細は要旨からは不明。 - 鍵となる考え方は、embodiment diversityをスケーリングの軸とし、broad learned priorsを組み合わせること。 - 経験が増えるにつれて、より多くのembodimentに転移可能な表現を学習することを目指す。 - 評価手法として、embodiment gapと転移性能をよりよく特徴づける評価を提案。

- 要旨からは不明。本論文はposition paperであり、具体的な実験や検証は記述されていない。 - 評価の提案として、embodiment gapと転移性能をよりよく特徴づける評価を呼びかけている。

- 既存の対応設計手法の限界を指摘し、長期的な転移には不十分であると議論。 - embodiment diversityをスケーリングの軸として提案し、broad learned priorsを補完要素として挙げる。 - 評価の改善が必要であると主張。 - より広く、異種ロボット経験からの学習という実践的課題と、自然に触発された物理的知能の科学的探求を結びつける。

- 要旨で参照/比較されている具体的な研究は明記されていない。 - 関連手法として、embodiment間の対応を設計する従来手法（例：domain adaptation, transfer learning）や、cross-embodiment learningの既存研究が挙げられる。 - 同分野の定番として、robot learning, meta-learning, representation learning, sim-to-real transferなどの論文が次に読むべき候補。