DualWorldBench：記号的・実世界の両世界でエージェントは配送計画を立てられるか

- DualWorldBench は、マルチモーダルエージェントの配送計画能力を評価する統一ベンチマーク。 - pickup–delivery インターフェースを共有する3要素で構成。 - TextWorld: 記号的計画をタスク構成や release dynamics の変化の下で評価。 - SimWorld: トポロジー変化の下で grounded な経路計画を text/image/multimodal 入力で評価。 - DualWorld-VQA: 知覚・scene understanding・planning を診断するスイート。 - 時間・物理・マルチモーダル制約下の多目的計画を対象とする。

- 既存評価は組合せ構造が限られた簡略タスクに依存しがち。 - 本研究は symbolic–temporal と grounded–topological の複雑性を統制して評価する点が異なる。 - 単一の共有 pickup–delivery インターフェースで複数世界を横断評価できる。 - 知覚・推論・計画の統合を多角的に診断する点が特徴。

- 共有 pickup–delivery インターフェースを基盤に3コンポーネントを設計。 - TextWorld でタスク構成と release dynamics を変化させ記号的計画を分離評価。 - SimWorld でトポロジー変化を統制し text/image/multimodal 入力の grounded 経路計画を評価。 - DualWorld-VQA で知覚・scene understanding・planning を診断。 - 局所理解と大域的に整合した計画のギャップを測る設計。

- TextWorld で相互作用する時間制約下の最適タスク列導出が困難と確認。 - SimWorld で grounded 観測が実行可能な行動列へ確実に変換されないと確認。 - DualWorld-VQA で知覚・トポロジー理解が制約付き計画に直結しないと確認。 - これらにより知覚–推論–計画統合の課題を実証的に示した。

- 中心的課題は symbolic/grounded 証拠を大域的に実行可能で効率的な多目的計画へ構成すること。 - 局所理解と大域計画の間に共通のギャップがあると指摘。 - 知覚やトポロジー理解だけでは制約付き計画に不十分。 - より緊密な perception–reasoning–planning 統合の必要性を示唆。 - 個別コンポーネント間の詳細な要因分析は要旨からは不明。

- 要旨で直接参照/比較された個別研究は明示されず。 - 関連手法として embodied planning や web interaction のマルチモーダルエージェント研究、VQA ベースの診断研究が想定されるが具体名は要旨からは不明。 - 同分野の定番として Vision-Language Model を用いた embodied planning 関連研究を次に読む候補とする。