追跡可能な世界状態：ロボットシステムのための来歴対応状態表現と決定論的リプレイフレームワーク

- ロボットシステム向けの **Traceable World State (TWS)** を提案。 - 観測の来歴(provenance)を保持する semantic representation と reference runtime。 - middleware 非依存。 - TWS snapshot は entities, relations, observations, confidence, revision metadata を保持。 - validated update operations により snapshot を immutable に変換。 - ordered updates で deterministic replay を可能にし、canonical SHA-256 hash chain で tamper-evident log を実現。

- 従来の表現は最新推定値を重視し、fact provenance, decision reproduction, execution auditing を妨げる。 - TWS は provenance-aware な world state を middleware 非依存で提供。 - immutable な更新と hash chain により、改ざん検知可能なログと deterministic replay を両立。 - 具体的な先行研究名は要旨からは不明。

- TWS snapshot に entities, relations, observations, confidence, revision metadata を格納。 - validated update operations が snapshot を immutable に変換。 - ordered updates により deterministic replay を実現。 - canonical SHA-256 hash chain で tamper-evident log を構築。 - これらを組み合わせ、来歴追跡と再現性を保証する semantic representation と reference runtime。

- schema conformance, complete state lifecycles, deterministic replay, fault injection で評価。 - Python 3.10-3.14 で 38 tests に合格。 - record corruptions, broken hash links, sequence discontinuities, world mismatches を検出。 - 10 個の public BEHAVIOR-1K task definitions で 153 entities と 146 relations を import し validation 成功。 - 103 NVIDIA Unitree G1 simulated trajectories (78,369 frames) で全 episode の terminal-state replay を正確に達成。 - 412/412 の injected corruptions を検出し、Plain JSONL 比 1.72% の storage overhead。

- 要旨からは不明。 - 評価結果からは、storage overhead が小さく、corruption 検出と replay 精度が高いことが示唆される。 - ただし、実ロボットへの適用やスケーラビリティ、他の middleware との統合に関する議論は要旨からは不明。

- 要旨で参照/比較されている研究: BEHAVIOR-1K, NVIDIA Unitree G1 simulated trajectories, Plain JSONL。 - 関連手法として provenance-aware state representation, deterministic replay, hash chain を用いた tamper-evident logging が挙げられる。 - 同分野の定番として robot world state representation, middleware (ROS など) に関する研究が次に読むべき候補。 - 具体的な論文名は要旨からは不明。