3Dアンカー型先読み計画：ワールドモデルベースMCTSによる持続的ロボットシーン記憶

- ロボットマニピュレーションのためのSystem 2推論エンジン「3D-ALP」を提案。 - Monte Carlo Tree Search (MCTS) と3D一貫性のあるworld modelを組み合わせ、rollout oracleとして利用。 - カメラから世界へのpersistent anchor (c2w anchor) を維持し、遮蔽後も物体位置を記憶して再計画可能。 - 5ステップの逐次リーチタスク（Experiment E3）で、記憶が必要なステップの成功率0.650±0.109を達成。 - 貪欲反応ベースラインの0.006±0.008を大幅に上回る（Δ=+0.645）。 - ステップ5の成功率は0.822に対し、貪欲法は0.000。

- 従来の反応的ポリシーは現在のカメラフレームのみから行動を評価するが、3D-ALPはpersistent c2w anchorにより遮蔽後も物体位置を保持。 - これにより、直接観測できない物体位置への正確な再計画が可能。 - 記憶が必要なタスクで劇的な性能向上（成功率0.650 vs 0.006）を実現。 - アブレーション研究により、tree searchの空間記憶が主要因（+0.533、利得の82%）であることを特定。 - より深いlookaheadも追加の利点（+0.111、17%）をもたらす。 - 連続ロボットマニピュレーションにUCT-MCTSを適用する際の4つの構造的失敗モードを特定し解決。

- Monte Carlo Tree Search (MCTS) をSystem 2推論エンジンとして使用。 - 3D一貫性のあるworld modelをrollout oracleとして統合。 - persistent camera-to-world (c2w) anchorを維持し、遮蔽に耐える空間記憶を実現。 - UCT-MCTS (Upper Confidence Bounds applied to Trees) を連続ロボットマニピュレーションに適用。 - 4つの構造的失敗モードを特定し、解決策を導入。 - アブレーションにより、tree searchの空間記憶と深いlookaheadの寄与を分離。

- 5ステップの逐次リーチタスク（Experiment E3）で評価。 - 記憶が必要なステップの成功率：3D-ALP 0.650±0.109 vs 貪欲反応ベースライン 0.006±0.008。 - ステップ5の成功率：3D-ALP 0.822 vs 貪欲法 0.000。 - アブレーション研究（30エピソード、3シード）を実施。 - tree searchの空間記憶が主要因（+0.533、82%の利得）であることを確認。 - より深いlookaheadの追加利点（+0.111、17%）も検証。

- 連続ロボットマニピュレーションにUCT-MCTSを適用する際の4つの構造的失敗モードを特定し解決。 - アブレーションにより、tree searchの空間記憶が性能向上の主要因であることを示唆。 - より深いlookaheadの寄与は比較的小さい（17%）。 - 他のタスクや環境への一般化可能性については要旨からは不明。 - 計算コストやリアルタイム性に関する議論は要旨からは不明。

- UCT-MCTS (Upper Confidence Bounds applied to Trees) [10]：3D-ALPで使用されているMCTSの変種。 - 反応的ポリシー（reactive policies）：比較対象として言及。 - world model：rollout oracleとして使用。 - その他、要旨で参照されている具体的な論文は不明。