過去数十年間、自律ロボティクスは革命を経験してきた。深層学習とそのハードウェア実装により、ロボットは驚異的な知覚能力を獲得した。さらに、自動計画の進歩により、複雑なタスクを自律的に解決できるようになった。しかし、多くの場合、ロボットは現在の状況に対する即時的な反応を超えて、知覚や行動の背景にある理由を内面化し理解することなく行動している。このギャップは、パフォーマンス、信頼性、信頼性に影響を与える制限を生み出している。深層学習だけではこのギャップを埋めることはできない。なぜなら、世界がブラックボックスとしてモデル化されている場合、行動の背後にある理由にアクセスできないからである。本当に必要なのは、より深い推論に基づく基盤アーキテクチャである。
このアーキテクチャは、とりわけ、ロボットが説明を生成できるようにする必要がある。これにより、人間はロボットがなぜ特定の行動を実行しているのか、または実行したのか、あるいは特定の計画の失敗や知覚異常の原因が何であるかを知ることができる。さらに、これらの説明が認知プロセスから生まれ、人々と共有され、検証されると、ロボットはこれらの説明を知識ベースに取り込み、この理解を利用して将来の行動を改善できるべきである。本論文は、自己認識・自己進化ロボットの開発における最近の進歩をレビューする。これらのロボットは、人間の対応者に必要な説明を提供し、それによって機能的能力を強化し、信頼を得ることを目指している。
論文はarXivに投稿され、番号は2610.33227、ロボティクス（cs.RO）カテゴリに属し、全20ページである。また、MDPIのジャーナル「Electronics」2024年に掲載された関連バージョンについても言及されている。著者はRebeca Marfil他2名である。投稿履歴によると、このバージョンは2026年10月23日に提出された。
レビューの核心は、自律ロボットが単なる知覚と計画を超えて、因果的理解を構築する必要があるという点である。説明を生成し検証することで、ロボットは知識を継続的に拡張し、自己進化を実現できる。この自己拡張は、ロボットの適応性を高めるだけでなく、人間とロボットの間の信頼構築の基盤を提供する。論文は関連する方法と技術をレビューし、将来の研究方向について議論している。