腱駆動ロボットの先端追従を、実測軌道から作る多様な目標で学習する
- 実測した先端状態を基に、一定のずれ、周期変動、段階的な変化を加えた学習用目標を作る。
- 三節機の指定軌道と三速度で、平均位置誤差は目標拡張なしの29.00 mmに対し14.25 mmだった。
- 導入には対象機の操作履歴と先端位置・向きの計測データが必要で、用途ごとの実機検証が要る。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
小児病院の診療記録1億6600万件を、記述内容の近さで探す意味検索
- 小児病院の診療記録1億6600万件、患者168万人を対象に、内容の近さで探す検索システムを運用した。
- 著者らは検索応答1秒未満、月間運用費約4000米ドル、医師作成の評価課題で正確率94.6％を報告した。
- 分子検査で遺伝性疾患が確定した患者の98％を発見した。同じ評価で診断コードによる抽出は最大75％だった。
テルグ語・タミル語の読み上げを既存音声モデルに追加するPraxy Voice
- テルグ語・タミル語の文字をBUPSでローマ字化し、Chatterboxの文字処理部に追加学習した層を使う。
- ヒンディー語では追加学習によってLLM-WERが悪化したため、元のモデルを使う経路に分ける。
- 各言語10文の試験では一部の発音指標で商用システムを上回ったが、対象音数は少なく、ヒンディー語のFADには差が残った。
物語を聞く脳活動を個人別の機能ネットワークで予測する
- 物語聴取中のfMRIを個人別の独立成分に分け、言語特徴から各成分の時間変化を予測する。
- ８人の評価では、聴覚・言語に対応する成分の平均予測相関が、視覚に対応する成分より高かった。
- 導入を検討する際は、別の参加者や物語でも成分の対応付けと予測結果が安定するか確かめる必要がある。
音の埋め込みだけで大規模音響モデルを小型モデルへ移すS-SONDO
- 教師と生徒の最終的な埋め込みを合わせ、正解ラベルなしで小型音響モデルを学習させる。
- 著者らの７課題平均では、６通りの組み合わせ中４通りで、蒸留した生徒が同じ生徒の教師あり学習を上回った。
- クラスタに基づく音声抽出の効果は組み合わせによって異なり、対象の音で別途検証が要る。
文章から作る動画の形状崩れを抑えるWorld-R1：3D再構成を学習の評価に使う
- World-R1は、生成動画の3D再構成、別視点の評価、カメラ軌道との一致を強化学習の報酬に使う。
- 著者らの3D再描画テストでは、PSNRがWan 2.1 1.3B版の17.40 dBからSmallの27.63 dBへ、14B版の19.76 dBからLargeの27.67 dBへ上がった。
- VBenchの表にLarge版はない。建築用途では映像内の形状に加え、設計寸法との一致を別途確かめる必要がある。
人の作業動画から手の動作意図を学び、ロボット操作に生かすMoT-HRA
- HA-2.2Mは人の動画から再構成した220万件の短い作業と言語のデータで、手の姿勢と3D位置の学習に使う。
- MoT-HRAは画像と指示から3D軌道、手の動作意図、対象ロボットの動作列を順に生成する。
- 著者らのSimplerEnv-WidowX評価では4作業の平均成功率が66.1％。確認できた本文の範囲では実機試験の具体的な成功率は示されていない。
画像と食い違う記述を見つけ、学習と回答の修正に使うPerceval
- Percevalは回答中の画像に関する主張を照合し、食い違う文字列を特定する。
- 特定箇所を使って学習信号を調整し、推論時には誤記述の直前から回答を再生成できる。
- 著者らの表ではV*全体は通常のGRPOより高いが、3BのBLINKなど一部の項目は低下した。
AIの下書きを本人が直すと、文章はどこまで自分らしくなるか
- 81人を含む分析で、後編集した文章は編集前より本人の自筆文に文体が近づいた。
- 修正稿は自筆文よりAI文に文体が近く、参加者間の文体の多様さも自筆文より低かった。
- 本人が感じる自分らしさとモデルによる文体の測定値の対応は弱く、両方を確認する必要がある。
音声なしで解ける設問を見分ける――音声AI評価の二軸診断
- 著者らは、音声なしで解ける度合いと、正答が音声のどの範囲に依存するかを調べる診断法を示した。
- ８モデル・３評価セットで、音声なしでも音声全体での正答率の60.5～72.1％に相当する成績を得た。
- 音声全体で正答し音声なしでは誤答した設問のうち、試した等長分割のどの一片でも正答できなかった割合は、モデル平均で3.0～4.2％だった。
道路中心線の検出と接続推定を相互に更新するTopoHR
- TopoHRは複数視点の画像から道路中心線を検出し、中心線同士と交通要素との関係を推定する。
- 線上の点と線全体の情報を組み合わせ、接続の推定結果を中心線検出へ戻して更新する。
- 著者らはOpenLane-V2での結果を報告しているが、比較表には学習期間や候補数が異なる行がある。
対話中の概念のつながりから、LLMに与えた人物設定を推定するPD-Agent
- PD-Agentは、対話中の概念間にある７種類の暗黙の関係をグラフ化し、対象LLMに隠して与えた人物設定を推定する。
- 著者らの表では、o1-miniを推論役とした６対象平均のコサイン類似度はPD-Agentが0.98、Vanillaが0.86、Frequency-Awareが0.88だった。
- 評価は設定を与えた対象LLMとの対話が条件。日本語の業務対話への適用には、関係抽出の妥当性と推定の安定性を確かめる必要がある。