ロボティクス/信念修復2026/9/24arXiv:2609.28973

AquaMend: 身体性エージェントの潜在信念故障に対する最小再プロービングと条件付きロールバック

AquaMend: Minimal Re-probing and Conditional Rollback for Latent-Belief Failures in Embodied Agents

物理変化やセンシング誤りでエージェントの信念が崩れた際に、再プロービング・ロールバック・継続支援を確率的に選択する手法を提案し、シミュレーションで再起動より損失を21.6%削減した。

詳しい要約

1. どんなもの？

- 物理変化やセンシングエラーでembodied agentsのタスク関連beliefが無効化される問題に対処するAquaMendを提案。 - probe-belief-action graph上でre-probing、rollback、supported continuationを比較し、expected-loss objectiveで評価。 - 自己構築のシミュレーションベンチマークで32ペアのシナリオを検証。

2. 先行研究と比べてどこがすごい？

- restartと比較して平均complete lossを21.6%削減。 - decision-theoretic troubleshooting (DTT)とのpaired loss differenceはHolm補正後も統計的に有意でない。 - all-candidate ablationと比べ、オンライン決定時間が全体で12.3%減少するが、uncovered late stageでは3.4%増加。

3. 技術・手法の肝は？

- probe-belief-action graph上でre-probing、rollback、supported continuationを比較。 - expected-loss objectiveはsensing、physical recovery、uncorrected failuresをカバー。 - joint posteriorがone-step policyを導き、conditional detection-power screeningを適用。 - per-belief three-way optimumにはindependence、separability、fully resolving probesが必要。 - 一般ポリシーにはglobal optimality guaranteeがない。

4. どうやって有効だと検証した？

- 自己構築のシミュレーションベンチマークで32ペアのシナリオを実施。 - AquaMendは28/32ケースで回復。 - restartと比較して平均complete lossを21.6%削減。 - DTTとのpaired loss differenceはHolm補正後も統計的に有意でない。 - all-candidate ablationと比較してオンライン決定時間が全体で12.3%減少、uncovered late stageでは3.4%増加。

5. 議論はある？

- per-belief three-way optimumの条件（independence、separability、fully resolving probes）が満たされない場合の影響は要旨からは不明。 - 一般ポリシーのglobal optimality guaranteeがない点が限界。 - DTTとの差が統計的に有意でないことの解釈は要旨からは不明。 - uncovered late stageでの決定時間増加の原因や対策は要旨からは不明。

6. 次に読むべき論文は？

- decision-theoretic troubleshooting (DTT) - restart - all-candidate ablation - probe-belief-action graph - expected-loss objective

※ 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: Yufan Liu, Shang Luo, Yang Liu, Haoxuan Jia, Feiyu Han, Qian Li, Chen Li, Yingguang Yang, Chongyang Zhang, Hao Zheng, Kefu Xu, Bin Chong

分類: cs.RO

原文アブストラクト

Physical changes or sensing errors can invalidate embodied agents' task-relevant beliefs. AquaMend compares re-probing, rollback, and supported continuation on a probe-belief-action graph under an expected-loss objective covering sensing, physical recovery, and uncorrected failures. A joint posterior guides a one-step policy with conditional detection-power screening. The per-belief three-way optimum requires independence, separability, and fully resolving probes; the general policy has no global optimality guarantee. Across 32 paired scenarios in a self-constructed simulation benchmark, AquaMend recovers in 28/32 cases and reduces mean complete loss by 21.6% versus restart. Its paired loss difference from decision-theoretic troubleshooting (DTT) is not statistically significant after Holm correction. Against the all-candidate ablation, online decision time decreases by 12.3% overall but increases by 3.4% in the uncovered late stage.

arXivで原文を読む →arXiv概要ページ

← 論文一覧