REINS: 実時間軌道計画のための自己進化型エージェントハーネス

- LLM を自律エージェント化する runtime scaffold（agent harness）を trajectory planning に適用した研究 - REINS は LLM planner を包み、tool dispatch・verification・persistent memory を備えた自己進化型 harness - 対象は tactical decision layer の real-time trajectory planning - LLM の重みを変更せずに、実時間制約を満たしつつ deployable な planner へ自己進化させることを狙う - コード公開あり（https://github.com/ZhihongCui/REINS）

- 既存の LLM-based trajectory planning は LLM を decision loop に残し ms 級制御予算を超過、または offline rules / training-time supervision に逃がして runtime planner が非進化だった - 中間的な hybrid も verification-and-consolidation loop を欠き信頼性が低かった - REINS は LLM を loop から外しつつ、verified 出力を memory に蓄積する自己進化 loop を runtime で閉じる点が新しい - 結果として 98%+ compliance、衝突約 50% 削減、1.9–4.6 ms latency を達成

- 3 つの LLM-planner coupling から成る harness - (i) LLM 出力を learned variable-level dynamics model に grounding - (ii) calibrated predicates と forward rollout による verification - (iii) verified 出力を indexed rule memory に consolidation し、O(log n) で将来 scene に供給（LLM 再呼び出し不要） - 自己進化 loop: 既知 scene は memory lookup で解決、新規 scene のみ LLM を invoke し、verified 出力で memory を enrich - LLM の重みは変更しない

- simulated および real-world benchmarks の tactical decision layer で評価 - 指標: compliance 98%+、衝突約 50% 削減、latency 1.9–4.6 ms - memory 成熟に伴い LLM invocation rate が単調減少することを確認 - 詳細なベースライン比較や被験者数・試行数は要旨からは不明

- memory 成熟に伴う LLM invocation rate の単調減少は、自己進化 loop の有効性を示す一方、memory の陳腐化や分布シフトへの頑健性は要旨からは不明 - calibrated predicates の calibration 品質や forward rollout の計算コストへの依存は要旨からは不明 - real-world 評価の規模・安全性条件は要旨からは不明 - 限界や failure case の議論は要旨からは不明

- Claude Code / Codex など agent harness の先行事例 - LLM-based trajectory planning の既存手法（decision loop 内 LLM 型、offline rules / training-time supervision 型、intermediate hybrid 型） - learned variable-level dynamics model を用いた model-based planning - calibrated predicates や forward rollout を用いた verification 手法 - indexed rule memory / retrieval による planning の高速化手法