身体性AI：LLMから世界モデルへ

- 本論文は Embodied AI を基礎から最先端まで包括的に展望するサーベイ。 - 対象は LLM 駆動型と World Model (WM) 駆動型の両系統。 - 歴史・主要技術・構成要素・ハードウェアを整理。 - 単一モーダルからマルチモーダルへの発展を議論。 - 代表的应用と今後の研究方向も提示。

- 従来の Embodied AI サーベイは個別領域に偏りがち。 - 本論文は LLM/MLLM 系と WM 系の両 burgeoning field を同時に精査。 - 両者の不可欠な役割を対比的に整理する点が特徴。 - さらに MLLM-WM 統合アーキテクチャの必要性に踏み込む。 - 具体的な先行研究との個別比較は要旨からは不明。

- サーベイとしての構成が肝。 - Embodied AI の history・key technologies・key components・hardware systems を概観。 - unimodal から multimodal への発展軸で整理。 - LLM/MLLM による semantic reasoning・task decomposition・高水準/低水準の自然言語行動を整理。 - WM による internal representations・future predictions・物理法則準拠の相互作用を整理。 - 両者を統合する MLLM-WM driven architecture の意義を論じる。

- 本論文はサーベイであり、新規手法の実験的検証は要旨からは不明。 - 有効性の主張は既存文献の整理と知見の提示に基づく。 - 代表的な実世界応用の検討を通じて適用可能性を示す。 - 定量的評価やベンチマーク結果は要旨からは不明。

- MLLM-WM 統合型 Embodied AI アーキテクチャの必要性を強調。 - 物理世界での複雑タスク実現への意義を議論。 - 実世界シナリオでの広い適用可能性を検討。 - 今後の研究方向を提示。 - 個別の限界や課題の詳細は要旨からは不明。

- 要旨で明示的に参照・比較された個別研究は不明。 - 関連手法として LLM、Multimodal LLM (MLLM)、World Model (WM) の各文献を挙げる。 - 同分野の定番として Embodied AI サーベイ、Vision-Language-Action (VLA) モデル、model-based RL を挙げる。