意図駆動型モバイルロボットミッションのランタイム適応を評価するベンチマーク

- モバイルロボティクス（UAV）ミッションにおける intent-driven runtime adaptation を評価するベンチマーク EmbodiedIntentBench を提案 - mission intent を coverage・temporal evidence・reporting・urgency・resources の structured contracts で表現 - シミュレートされた UAV ワークロードと causal かつ resource-accounted な実行を組み合わせる - 知覚精度や実行効率ではなく、ミッション目的の達成度で runtime 戦略を評価する枠組み

- 従来評価は isolated perception accuracy や execution efficiency に偏っていた - 本ベンチマークは物理運動に起因する observation opportunities や connectivity・battery 変化を含め、ミッション達成で評価 - 計算決定が mission time・resource use・evidence に与える影響を因果的に扱う点が新しい - 固定戦略と適応戦略を multi-phase ミッションで比較可能にする拡張可能な枠組みを提供

- mission intent を structured contracts（coverage, temporal evidence, reporting, urgency, resources）として形式化 - simulated UAV workloads と causal, resource-accounted execution を結合 - 計算決定が mission time・resource use・観測 evidence に波及する因果構造をモデル化 - multi-phase ミッションや urgency・connectivity・battery 変化下で fixed/adaptive perception strategies を評価 - Jetson AGX Orin の CPU/GPU プロファイルを用いた replay を実施

- multi-phase Depot study で full-bank target recall 87.5% の構成は 16 ミッション中 1 のみ完了、低 recall 構成は 14 完了 - ablation で execution-induced observation loss を無視すると aggregate mission success が増え、2 戦略の順序が反転 - Jetson AGX Orin CPU/GPU プロファイルの replay で local/remote 戦略の相対的成功が変化 - 一部 Jetson GPU-profile replay で intent-driven adaptation が mission success を変えずに modeled task energy を最大 28% 削減

- 知覚 recall の高さがミッション達成を保証せず、実行誘発の observation loss を無視すると評価が誤導されうる - ハードウェアプロファイル（CPU/GPU）や local/remote 戦略により相対的成功が変わる - エネルギー削減と mission success のトレードオフを扱えるが、実機ではなく simulated UAV と replay に基づく評価 - 実環境への一般化や contract 設計の妥当性は要旨からは不明

- EmbodiedIntentBench の基盤となる UAV シミュレーションおよび causal, resource-accounted execution の関連研究 - intent-driven adaptation や runtime adaptation の既存手法（adaptive perception strategies 等） - Jetson AGX Orin 上の local/remote 推論戦略に関する研究 - mission-level evaluation や embodied benchmark の関連研究（要旨で個別参照は明示されず）