分析的概念中心メモリによるエージェント型身体操作

- 長期的なembodied manipulationを行うagent向けの記憶フレームワーク。 - 物体・シーン状態・行動効果・実行可能skillを、構造化されたanalytic conceptとして記憶。 - 物体はsemantic parts、parametric templates、grounded poses、affordances、manipulation statesで表現。 - object/scene memoryに加え、transition memoryとskill memoryを接続。 - runtimeでcoarse-to-fine retrievalを行い、state-consistent reasoningとskill reuseを支援。

- 既存のagent memoryはunstructured historiesやembedding-based recordsが主流。 - それらはmanipulationに必要な物体部位、物理状態、行動効果、実行可能skillの検索が困難。 - 提案手法はanalytic concept中心の構造化記憶で、これらを明示的に検索可能にする。 - 実験でtask completion、retrieval accuracy、object re-identification、cross-object skill generalizationが改善。

- 記憶をstructured analytic conceptsで組織化。 - 物体をsemantic parts、parametric templates、grounded poses、affordances、manipulation statesで表現。 - object/scene memoryをtransition memory（action-induced state changes）とskill memory（template-grounded/policy-grounded execution）に接続。 - runtimeにstructured coarse-to-fine retrievalを実行。 - これによりstate-consistent reasoningとskill reuseを実現。

- memory-dependent manipulationの実験。 - articulated-object generalizationの実験。 - real-world memory evaluation。 - ablations。 - これらの結果、unstructured/embedding-based memory baselinesに対しtask completion、retrieval accuracy、object re-identification、cross-object skill generalizationが改善。

- 要旨からは不明。 - 限界、失敗事例、計算コスト、スケーラビリティ、実世界適用の制約などは記述されていない。

- 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unstructured memory、embedding-based memory、agentic embodied manipulation、long-horizon manipulation、skill reuse、affordance grounding、object re-identificationなどが挙げられる。 - 具体的な論文名は要旨からは不明。