Certified World Models as Sensing Clocks: Drift-Aware Deadlines for Active Perception

技術要約：センシング・クロックとしての認証済み世界モデル

問題提起
現在の世界モデルは将来の状態を予測できるが、その予測がいつ失効するかを判断するための本質的なメカニズムを欠いている。オープンループ予測（「コースティング」）に依存するエージェントは、決定的なトレードオフに直面する。すなわち、センシングが遅すぎるとモデルの妥当性保証を損ない、センシングが早すぎると希少なセンシング・予算を浪費してしまう。既存のアプローチは、固定された再計画期間（モデルの信頼性を無視したもの）を使用するか、あるいは予測誤差がすでに増大した後にのみ機能するリアクティブなモニターを使用するかのいずれかである。本論文は、欠落していたプリミティブである「認証されたセンシング・クロック」に対処する。これは、世界モデルの妥当性ホライゾンを、エージェントがいつ再センシングすべきかという運用上のデッドラインへと変換するものである。

手法
提案手法は、監査済みの等変（equivariant）な世界モデルから、プロアクティブなセンシング・デッドラインを導出する。核心となるイノベーションは、素朴なスペクトル・ホライゾンを補正する**ドリフトを考慮した展開手法（drift-aware deployment method）**である。

1. スペクトル・ホライゾン（素朴な手法）: 理論的には、誤差が純粋に局所的な拡大率 $\lambda$ によって増大する場合、デッドライン $T_\lambda$ は $\log(\epsilon/e_0)/\lambda$ から導かれる。しかし、著者らは、実際の凍結された世界モデルにおいて、オン・マニフォールドのリアプノフ率（$\lambda$）のみに依存することは、有効なコースティング間隔を約1桁過大評価することを実証している。
2. ドリフトを考慮した補正: 展開されるデッドラインは、較正されたネイティブ・ロールアウト・ドリフト・エンベロープ（$b^{UCB}_h$）によって制御される。これは、$\lambda$ が捉えきれないネイティブなモデル・バイアス、オフ・マニフォールドへの逸脱、およびロールアウト・ドリフトを捕捉する。
   • 実現される誤差境界は、$r_h \le b^{UCB}_h + C e^{\lambda h}e_0 + \eta_h$ と定義される。
   • フル・リセンス・レジーム（事後センシングによる誤差 $e_0 \approx 0$ の場合）では、スペクトル項は消失し、デッドラインはドリフト・エンベロープ・クロックへと簡略化される：$T_{drift}(\epsilon) = \sup \{h : b^{UCB}_h \le \epsilon_{cert}\}$。
3. クロックとしての証明書（Certificate-as-Clock）: 本システムは、**区間同時証明書違反（Interval-Simultaneous Certificate Violation: ICV）*指標を定義する。これは、コースティング間隔内のいかなる*ステップにおいても、予測誤差が認証された許容誤差 $\epsilon_{cert}$ を超える確率である。デッドラインは、この確率が目標値 $\alpha$ 以下に抑えられるように設定される。

主要な貢献
本論文は4つの具体的な肯定的貢献を行い、1つの境界を明示している。

1. センシング・クロック・プリミティブ: 区間同時証明書違反を制御する、認証されたコースティング・デッドライン。固定期間クロックやリアクティブ・モニターとは異なり、これはプロアクティブで証明書に基づいたトリガーである。
2. ドリフトを考慮した展開手法: 展開可能なデッドラインは $\lambda$ だけに依存できないという実証。オン・マニフォールドのスペクトル率は理論的な監査インターフェースとして機能するが、実際に展開される保証を担うのはネイティブ・ロールアウト・ドリフト・エンベロープである。
3. 実モデルへの実装: 本手法は、凍結された3D VN-JEPA（Vector-Neuron Joint Embedding Predictive Architecture）等変世界モデルに実装された。結果として得られたクロックは、複数のシードおよびデータ・シャードにわたって、保持された（held-out）区間ICVを制御することに成功した。
4. リアクティブ・コントラスト・定理・ベッド: すべてのスケジューラが全く同じモデルを共有する合成ベンチマークにおいて、認証されたクロックは展開分布において妥当性を維持し、一致したセンシング予算における期待信念スケジューリング（MB-EIG）と比較して、イベントフル・テイル（eventful-tail）の違反を大幅に減少させた（0.36から0.16へ）。MB-EIGは、同等のテイル保護を得るために約3倍の予算を必要とした。

結果と限界
本論文は厳格な結果を報告すると同時に、自らの主張を明確に限定している。

• 検証: センシング・クロック・プリミティブは、凍結されたVN-JEPAモデルにおいてICVの制御に成功した（Stage 1b-lite）。
• テイル・リスク: 認証されたクロックは、期待信念に基づくリアクティブ・スケジューラよりも、稀に発生する高リスクな「イベントフル」な区間の管理において優れている（Stage 2A）。
• 無効の結果（境界）:
  • リードタイム: 短いホライゾンかつ状態依存的なベンチマークにおいて、認証されたクロックは、定期的または残差リアクティブなスケジューラに対してリードタイムの優位性を示さなかった（Stage 2B）。
  • 置換可能性: 短いホライゾンのフル・リセンス・レジームにおいて、純粋な経験的コンフォーマル・ホライゾン（非スペクトル）は、展開されたクロックと同等の妥当性と予算性能を示した。これは、この特定のレジームにおいてスペクトル項が経験的に支配的ではないことを示唆している（Stage 2C-V）。
  • スペクトルのエッジ: スペクトル項（$\lambda$）を活性化させるように設計された部分リセットの探索では、コンフォーマル・ホライゾンに対して予算を一致させた上での明確な優位性は見られなかった（E0）。

意義と主張
本論文は、自らの貢献を、普遍的な経験的優位性の主張ではなく、新しいプリミティブおよび展開手法として明確に位置づけている。

• 確立されたこと: 有効性ホライゾンを運用上の再センシング・デッドラインへと変換する「証明書としてのクロック」インターフェース、および実世界の展開におけるドリフト補正の必要性。
• 主張していないこと: 著者らは、スペクトル・クロックがすべての非スペクトル・スケジューラ（コンフォーマルまたはロバスト・スケジューラなど）に対して、あらゆるレジームで経験的に優越するとは主張していない。
• 理論的同一性: 本研究は認証された世界モデルと能動的推論を結びつけ、ガウス型トイモデルにおいて、認証されたクロックとエピステミック閾値スケジューラが同一のスケジュール・ファミリーをパラメータ化することを示している。

要約すると、本論文は、エージェントがいつコースティングを停止して再センシングすべきかを、認証された妥当性ホライゾンに基づいて決定するための厳格なフレームワークを確立している。同時に、現在の短ホライゾン・フルリセンス・レジームにおいては、より単純なコンフォーマル手法が性能で匹敵することもあり、スペクトル・アプローチの優位性はより長いホライゾンや部分センシングのレジームにおける将来の課題として残されていることを正直に報告している。