科学発見のための身体性AI：物理的行為から科学的証拠へ

- 本論文は、物理インターフェースを通じて実験を選択・実行・解釈する学習システムを対象としたレビューである。 - Robot learning が物理的 competence を構築する一方、AI for science がどの実験を行うかを選択するが、両者は異なる endpoint を報告してきた。 - 両者の interface を『embodied AI for science』という一つの問題として扱う。 - 実験自体が部分的にしか観測されない設定を扱う。 - specimen state、apparatus state、measurement processes が latent である。 - action は costly かつ irreversible である。 - missingness が execution と outcome に依存する。

- 従来は robot learning と AI for science が別々の endpoint で報告されてきたが、本レビューはその interface を一つの問題として統合する点が特徴である。 - 実験を partially observed な問題として定式化し、latent な specimen/apparatus state や costly・irreversible な action、outcome 依存の missingness を明示的に扱う。 - 三つの closure（operational、epistemic、evidential）という異なるレベルで文献を整理する枠組みを提示する。 - commanded、realized、observed の条件を分離し、diagnosis を resource・risk・sample-change costs を伴うものとしてモデル化する点が新しい。 - 具体的な優位性の定量的比較は要旨からは不明。

- 文献を三つの closure で整理する。 - operational closure：実行された実験が意図したものであること。 - epistemic closure：結果が信念を更新するか後続実験を選択すること。 - evidential closure：記録が主張を支持すること。 - workflow を record-linked evidence cycle（Record、Diagnose、Calibrate、Confirm）として feedback 付きの analytic function で分析する。 - taxonomy はこれらの closure と six delegated decisions、five embodiment classes を交差させる。 - commanded、realized、observed の条件を分離し、diagnosis を明示的な resource・risk・sample-change costs でモデル化する。 - experiment-selection 手法を terminal decision で比較し、…

- 付録として 28 の workflow（26 が physical、2 が software-boundary）の evidence map を提供する。 - 各 workflow の validation pathway と claim confirmation requirements を特徴づける。 - 評価を actions、valid experiments、campaigns、confirmed claims に分離する枠組みを提案する。 - open challenge を測定可能な failure condition を伴う controlled comparison として位置づける。 - 個々の手法の実験的検証結果は要旨からは不明。

- 実験が partially observed であり、action が costly・irreversible で、missingness が execution と outcome に依存する点を議論の前提としている。 - commanded、realized、observed の条件分離や、diagnosis における resource・risk・sample-change costs の明示的モデル化を論点とする。 - 評価を actions、valid experiments、campaigns、confirmed claims に分離すべきという提案を行う。 - open challenge を測定可能な failure condition 付きの controlled comparison として枠づける。 - 個別手法間の優劣や限界に関する具体的な議論は要旨からは不明。

- 要旨で参照・比較されている experiment-selection methods（terminal decision による比較）。 - perception、protocol compilation、visuomotor policies、world models、recovery、transfer に関する研究。 - chemistry、materials、biology、microscopy、field workflows の各領域の workflow 研究。 - 付録の 28 workflows の evidence map に含まれる個別研究。 - 同分野の定番として robot learning と AI for science の関連レビュー。