動く前に見よ：オープンワールド移動マニピュレーションのためのエージェント・インターフェース整合型教師あり学習

- 言語指示に基づき、open-world mobile manipulation を行う VLM agent のためのデータ収集・学習パイプライン AIDA を提案。 - 対象は、物体を見つけ、接近し、目標 receptacle へ移動する一連のタスク。 - 教師が deployed agent の skill interface を通じて行動を選択・実行する点が特徴。 - 結果として AIDA-OWMM を構築し、170 の held-out OWMM episodes で 71.76% の full-task success を達成。

- 既存 pipeline は planned trajectories を high-level action labels に変換するが、shortest-path progress では『どこを見るか』の supervision が限定的。 - AIDA は teacher が agent の skill interface を直接操作し、active vision を含む行動選択の監督を可能にする。 - teacher sensitivity analysis により、active-vision demonstrations が student の成功を改善することを示す。 - 追加学習なしで real mobile robot 上でも 38% end-to-end success を達成。

- Agent-Interface Data Alignment (AIDA): teacher が deployed agent の skill interface を通じて行動を選択・実行するデータ収集 pipeline。 - mobile manipulation 向けに、target visibility の維持、lost target の回復、pick/place のための接近を行う teacher を設計。 - template-based spatial reasoning supervision を追加。 - shared harness で training と inference 中の observations、history、outputs を整理。

- 170 の held-out OWMM episodes で AIDA-OWMM が 71.76% の full-task success を達成。 - teacher sensitivity analysis を実施し、active-vision demonstrations が student の成功を改善することを確認。 - simulation-trained agent が追加学習なしで real mobile robot 上で 38% end-to-end success を達成。 - EmbodiedBench の navigation subset に AIDA を適用し、navigation タスクへの有用性も示す。

- 要旨からは、手法の限界や失敗事例、計算コスト、teacher 設計の一般性に関する議論は明示されていない。 - teacher sensitivity analysis の詳細や、real robot での 38% 成功の内訳は要旨からは不明。 - open-world 環境での汎化性能や安全性に関する議論は要旨からは不明。

- 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、VLM agents、mobile manipulation、active vision、EmbodiedBench が挙げられる。 - 同分野の定番として、Open-World Mobile Manipulation (OWMM) ベンチマークや vision-language-action (VLA) モデル、imitation learning 関連の研究を次に読むべき。