NavHarness: 生涯身体性ナビゲーションに向けて

- 生涯にわたるembodied navigationを目指す訓練不要のharness「NavHarness」を提案。 - ナビゲーションループに記憶処理を組み込み、多ラウンドのagentic sessionでmaps・task records・house knowledgeを観測と照合し修正を記録。 - 新しいタスクや回復試行のため、経験を新しい会話間で保持し、outcome verificationとrun-end summariesで再利用を支援。

- 従来のfrontier modelsは個別のembodied navigationタスクを多ラウンドmultimodal reasoningで遂行可能だが、連続タスクでは進化するmapや過去のsearch recordsの不完全性・矛盾が問題。 - NavHarnessは訓練不要で、記憶処理をナビゲーションループの一部とし、セッション間で経験を保持する点が新しい。 - GOAT-Benchでcontext-only independent sessions比べs-SRがAstraで18.6ポイント、Opus 5で22.6ポイント改善。

- 訓練不要のembodied harnessで、多ラウンドagentic sessionがmaps・task records・house knowledgeを観測と照合し、修正を記録して行動を導く。 - 経験を新しい会話間で保持し、outcome verificationとrun-end summariesで後続の再利用を支援。 - 構造化されたrecovery handoversが長さを揃えたsummariesより優れることを確認。

- GOAT-Benchでs-SRをcontext-only independent sessions比でAstra 18.6ポイント、Opus 5 22.6ポイント改善。 - SLAM-estimated posesを用い、GPT-6 AstraでGOAT-Benchのtask success 83.7 s-SR、36.9 e-SR、IR2R-CEで85.9 s-SRを達成しstate-of-the-art。 - 複数住宅での拡張展開でconsolidationがmapsとtask recordsの保持を超えてナビゲーションを改善。

- セッション間で経験がどのように運ばれるかを検討し、構造化recovery handoversが長さを揃えたsummariesより優れると報告。 - 拡張展開のケーススタディで、エージェントが以前の経験を用いて新しい目標を解釈し、未解決の問いを調査し、失敗した探索を再開することを示す。 - 生涯ナビゲーションの進歩は、単一タスク能力の向上とともに、連続するreasoning sessionsが事前経験をどう構築するかに依存すると示唆。

- 要旨で参照/比較されている研究: context-only independent sessions、SLAM-estimated poses、GOAT-Bench、IR2R-CE。 - 関連手法: multimodal reasoning、agentic session、outcome verification、run-end summaries、recovery handovers、consolidation。 - 同分野の定番: embodied navigation、lifelong learning、SLAM。