潜在的心の理論：協調マニピュレーションのための分散拡散アーキテクチャ

- 協調ロボットマニピュレーションのための分散型 diffusion policy アーキテクチャ「LatentToM」を提案する研究。 - 各マニピュレータが独自の知覚・計算を持ち、明示的通信あり/なしで共通タスク目標に向けて協調する。 - 各エージェントは ego embedding（ロボット固有）と consensus embedding（両ロボット共通になるよう学習）の2つの潜在表現を保持する。 - 実行は完全分散が可能で、通信なしの場合は他ロボットの行動とそのシーンへの影響を観測することで暗黙的に情報交換する。

- ハードウェア実験で naive な分散型 diffusion baseline を上回った。 - bi-manual manipulation における state-of-the-art の centralized diffusion policy と同等の性能を示した。 - 明示的通信なしでも協調可能な点、および centralized training・distributed execution を両立する点が特徴。 - 先行研究との具体的な比較詳細は要旨からは不明。

- 各エージェントが ego embedding と consensus embedding を保持し、consensus embedding は異なる sensor stream や pose があっても両ロボットで共通になるよう学習。 - 各ロボットは consensus embedding から他ロボットの ego embedding を推論する decoder を学習（潜在空間における theory of mind）。 - 学習は centralized に行い、全 policy の consensus encoder を sheaf theory に着想を得た損失で監督。 - 具体的には first-order cohomology loss で consensus embedding の sheaf 整合的な整列を強制。 - consensus embedding の表現力を保つため、theory of mind に基づく構造制約と directional consensus mechanism を提案。 - 通信ありの実行では consensus em…

- ハードウェア実験を実施。 - naive な分散型 diffusion baseline と比較し、LatentToM が優位であることを示した。 - bi-manual manipulation における state-of-the-art の centralized diffusion policy と同等の性能を示した。 - 具体的なタスク・指標・被験者数などの詳細は要旨からは不明。

- 明示的通信なしの場合、情報は他ロボットの行動とシーンへの影響の観測を通じて暗黙的に交換される。 - 通信ありの場合は consensus embedding を推論ステップごとに1回共有し sheaf Laplacian で整列する。 - 通信なしと通信ありの性能差や限界、スケーラビリティ、sheaf 制約の影響などの議論は要旨からは不明。

- 比較対象として言及された naive な分散型 diffusion baseline および bi-manual manipulation の state-of-the-art centralized diffusion policy。 - 理論的基盤として sheaf theory（first-order cohomology loss、sheaf Laplacian）。 - 関連概念として theory of mind、diffusion policy、decentralized/centralized training。 - 具体的な論文名は要旨からは不明。