いつ譲るべきか：テキストベース身体性エージェントにおけるユーザー修正の根拠ある仲裁

テキストベースの embodied agent が、ユーザーの訂正が誤っている可能性がある状況でどう応答すべきかを扱う。 - grounded correction arbitration を、accept / reject / inspect the world / ask the speaker の選択として定式化。 - GAVA は observation-bounded evidence、legal probes、one-step expected-loss rule でこの interface を実装。 - text-only ALFWorld で評価。

always verify との比較が中心。 - 完全な local inspection では GAVA と always verify がともに correction accuracy 100% となり、比較優位ではなく evidence contract を示す。 - same-episode execution では GAVA は always verify より interaction cost を下げるが、perfect speaker 下では cost threshold と tie。 - environmental value of information が clarification より一般的に優れるとは結論していない。

GAVA の肝は選択的情報収集。 - observation-bounded evidence と legal probes を用いる。 - one-step expected-loss rule で accept / reject / inspect / ask を選ぶ。 - exploratory training-only object-location prior を導入し、uniform GAVA と比較。 - 評価は normalized claims、complete symbolic observations、controlled speakers に限定。

text-only ALFWorld で検証。 - 162 checkpoints から 972 paired true/false interventions を生成。 - 完全 local inspection で GAVA と always verify は 100% correction accuracy。 - training-only object-location prior は 340 unseen scenarios で interaction と declared joint cost を uniform GAVA 比 0.490 / 0.420 低減。 - policy 等を凍結後、77 non-overlapping seen checkpoints、308 scenarios で 0.595 / 0.517 に再現、95% checkpoint-bootstrap CI はゼロを除外。 - semantic GAVA は各 cohort で 4 factual errors、accuracy 98.8% / 98.7%、全手法が全タスク完了。

結果は declared costs 下での selective information gathering と semantic priors を支持。 - ただし environmental value of information が clarification より一般的に優れることは示さない。 - matched calibrated no-VOI comparison は inconclusive。 - 制限: normalized claims、complete symbolic observations、controlled speakers を使用。 - human participants、visual input、physical robots は評価していない。

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 always verify、uniform GAVA、identical-prior fixed policy、matched calibrated no-VOI comparison が挙げられる。 - 同分野の定番として ALFWorld を用いた embodied agent 研究や value of information に基づく clarification 研究を読むとよい。