感覚運動アラインメント：身体性ポリシー成功のプラトニック代理指標

- 本論文は、embodied model の能力を安価にオフライン評価する指標 Sensorimotor Alignment ($S^2$) を提案する研究。 - $S^2$ は training-free の offline metric で、モデルの sensory representation が physical motion の幾何構造とどれだけ整合するかを測る。 - Platonic Representation Hypothesis (PRH) を embodied model へ拡張し、motion trajectory を新たな modality とみなす視点を与える。 - 閉ループ rollout の代替となる低コスト proxy として、下流 robot task success の事前優先付けに使うことを狙う。

- 従来の robotic foundation model 評価は costly な closed-loop rollouts に依存しており、安価な offline proxy の必要性があった。 - PRH は vision と language の収束を扱うが、本論文は motion trajectory を別 modality として位置づけ、embodied model へ拡張した点が新しい。 - $S^2$ は training-free で計算でき、closed-loop 評価前にモデルを優先付けできる点が実用的。 - VLA への fine-tuning 前の段階で、有望な VLM backbone を特定できる点も先行評価手法との差異として主張される。

- 核となるのは Sensorimotor Alignment ($S^2$) という training-free の offline metric。 - モデルの sensory representation と physical motion の幾何構造との整合度を測る設計。 - 学習や追加 fine-tuning を必要とせず、既存モデルの表現をそのまま評価に用いる。 - 具体的な表現抽出や類似度計算の詳細は要旨からは不明。

- $S^2$ が downstream robot task success と正に相関することを、複数の embodied model families にわたり確認したと報告。 - closed-loop 評価前のモデル優先付けに使える低コスト offline proxy であることを示す。 - VLA へ costly に fine-tuning する前の VLM backbone 選定に $S^2$ が有用であることを示した。 - 相関の具体的な実験設定・データセット・タスク数は要旨からは不明。

- $S^2$ は単なる相関指標にとどまらず、VLA や world action model (WAM) で観測される現象に対し representation-level の説明を与えると主張。 - PRH を embodied model へ拡張し、sensorimotor alignment を実証的に測定可能にした点を意義として議論。 - 閉ループ成功率を超えて、embodied model がなぜ成功するかの洞察を与えると述べる。 - 限界や反例、相関の因果性、指標の頑健性に関する議論は要旨からは不明。

- Platonic Representation Hypothesis (PRH) の原論文。 - vision-language-action model (VLA) および world action model (WAM) の関連研究。 - vision-language model (VLM) backbone の評価・選定に関する研究。 - robotic foundation model の closed-loop rollout 評価および offline proxy 評価に関する研究。