アフォーダンスエージェントハーネス：検証ゲートによるスキルオーケストレーション

- オープンワールドの affordance grounding を対象にした closed-loop runtime『Affordance Agent Harness』を提案。 - 複数の heterogeneous skills（detection, segmentation, interaction-imagination 等）を evidence store と cost control で統合。 - episodic memory を検索し recurring categories の prior を提供、Router が skill を適応的に選択・parameterize。 - affordance-specific Verifier が self-consistency, cross-scale stability, evidence sufficiency で commitment を gate。 - 最終 judge が蓄積 evidence と trajectories を統合して予測。

- 従来は複数 skill を固定 pipeline で orchestrate し、per-instance difficulty に合わず、中間エラーからの targeted recovery が限定的、recurring objects の経験再利用ができない。 - 提案は test-time grounding を systems problem として捉え、適切な evidence の獲得・信頼性判断・bounded inference cost 下での commitment を扱う。 - 複数 affordance benchmarks と difficulty-controlled subsets で、固定 pipeline baseline より強い accuracy-cost Pareto frontier を示す。 - 平均 skill calls と latency を削減しつつ grounding 品質を改善。

- closed-loop runtime で heterogeneous skills を evidence store と cost control により統合。 - episodic memories を検索し recurring categories の prior を提供。 - Router が skill を適応的に選択・parameterize。 - affordance-specific Verifier が self-consistency, cross-scale stability, evidence sufficiency で commitment を gate し、targeted retries を発火。 - 最終 judge が蓄積 evidence と trajectories を融合して予測。

- 複数の affordance benchmarks と difficulty-controlled subsets で実験。 - 固定 pipeline baseline と比較し、accuracy-cost Pareto frontier がより強いことを示す。 - grounding 品質の改善と平均 skill calls・latency の削減を報告。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。関連手法として detection, segmentation, interaction-imagination などの affordance grounding 向け skill が挙げられる。