問いかけて進化する：ハイブリッド行動空間と永続メモリを備えた生涯身体性ナビゲーションの統合ハーネス

- 本論文は EvoLife と名付けた、multimodal embodied agent 向けの統合ナビゲーション harness を提案する。 - エージェントが「どう移動するか」「いつ質問するか」「どの経験を引き継ぐか」を自ら選べる枠組み。 - 対象は lifelong embodied navigation で、単発タスクではなく経験の蓄積と再利用を重視する。 - hybrid action space と persistent spatial memory を中核に据える。 - 評価は vision-language navigation、object navigation、interactive instance navigation、continuous multi-task navigation の4タスク family、計8 benchmark に及ぶ。

- 先行研究との具体的な差分・優位性の記述は要旨からは不明。 - ただし従来の単一 action 形式のナビゲーションに対し、hybrid action space で waypoint navigation、local discrete adjustments、pixel-based navigation、object-directed navigation を統合する点を特徴として示す。 - active interaction により曖昧さや困難時に clarification/assistance を求められる点、persistent spatial memory で観測と対話を場所に紐づける点も併せて提示する。 - 具体的な比較対象やベースラインの数値比較は要旨からは不明。

- hybrid action space: waypoint navigation、local discrete adjustments、pixel-based navigation、object-directed navigation を組み合わせ、状況に応じた移動手段の選択を可能にする。 - active interaction: 曖昧さや困難に直面した際に、エージェントが clarification や assistance を能動的に求める仕組み。 - persistent spatial memory: 観測と dialogue を場所に結びつけて保持し、後の訪問時の判断に再利用する。 - これら action・interaction・memory を統合した unified harness として EvoLife を構成する。

- 4タスク family・8 benchmark で評価。 - 1 episode あたり平均 1.87 回の active interaction で、vision-language navigation と object navigation にまたがる4つの100-episode set において first-visit SR 100% を達成。 - complete-sequence SR は LHPR-VLN の50 sequence で 98%、GOAT-Bench の50 sequence で 94%。 - R2R revisit 設定では、保持した経験により SPL が 82.23% から 93.31% へ向上。 - multi-day physical navigation で exploration、proactive help-seeking、記憶した場所への revisit を実演。

- 要旨は autonomous action、proactive interaction、経験の蓄積・再利用により embodied agent を現実世界で「生きた」ものにする展望を述べる。 - 一方で、限界・失敗事例・倫理的懸念・計算コストなどの議論は要旨からは不明。 - active interaction の平均回数 1.87 回/ episode という効率性を示すが、その内訳や質的評価は要旨からは不明。

- 要旨で明示的に参照・比較されている研究はないため、同分野の定番として以下を挙げる。 - vision-language navigation の R2R 関連研究 - object navigation の GOAT-Bench 関連研究 - interactive navigation における help-seeking / clarification 研究 - persistent memory を用いた lifelong navigation 研究