SafeVantage: 視点認識型メモリによる信頼性の高い身体的意思決定

- 部分的観測下での embodied decision を対象に、主張ごとの支持視点・camera pose・推定 target location を保持する vantage-aware semantic memory と active acquisition の枠組み SafeVantage を提案。 - 支持(support)と探索範囲(coverage)を区別し、Yes/No/Abstain を出力する calibrated head を備える。 - カテゴリ存在判定 benchmark で評価。

- 従来は semantic score のみで、どの視点が主張を正当化するか、追加証拠をどこで得るかが不明だった。 - SafeVantage は claim-level の視点証拠を保持し、terminal decision loss の期待低減で視点選択を導く。 - 等予算 baseline 比で macro-F1 が 8 action で 24.7%、12 action で 12.0% 向上。リスク低減・回答率向上・移動 31.7% 削減。

- 各 claim の supporting views、camera poses、estimated target location を保持する vantage-aware semantic memory。 - claim-grounded geometry を用いた learned candidate-observability model が到達可能視点での target visibility を予測。 - 予測を travel cost と幾何的に異なる corroboration を考慮した terminal decision loss の期待低減に基づく view selection に利用。 - calibrated head が support、spatial consistency、coverage を統合し Yes/No/Abstain を決定。

- 232 の unseen ProcTHOR houses、各手法・action budget あたり 7,424 paired episodes の category-presence benchmark。 - validation-selected equal-budget baselines と比較し macro-F1 向上、低リスク、高回答率、移動削減を確認。 - Equal-input HM3D 実験で固定観測下の selective risk 低下、controlled ScanNet interventions で supporting views 復元が下流 VLM 回答を改善。 - Ablations で candidate observability の寄与を支持。

- 結果は claim-level viewpoint evidence が semantic memory、active acquisition、reliable decision-making を結ぶ価値を示す。 - 限界や失敗ケース、計算コスト、他タスクへの一般化については要旨からは不明。

- ProcTHOR、HM3D、ScanNet を用いた関連研究。 - VLM ベースの embodied decision、active perception、semantic memory、selective prediction/abstention の定番手法。