観測時刻と実行予定時刻を明示するChronos Policy、ロボットの遅延と非同期入力に対応
- 観測の撮影時刻と、動作を実行したい時刻をロボット方策の条件へ加える。
- 時刻を位置符号へ組み込む方式が、特徴へ時刻表現を加える方式より頑健だった。
- 学習時に観測と動作開始の時点を変え、異なる観測頻度や推論時間への適応を試した。
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。
予測モデルで行動と学習例を選ぶRSI-Anything、実測結果と互換性検査で改善版を残す
- 予測する世界モデルで行動と学習データを選び、観測した結果から方策や手順を更新する。
- 更新後の方策と予測モデルの組合せを、構成要素と互換性の検査で保持する。
- コード修正、画面操作、実験計画などで改善を報告し、用途ごとに異なる指標で評価した。
単語には残る位置関係が文全体の表現で消える、EICSがVLMの空間情報を内部から検査
- 一つの概念だけを変える介入で、内部表現に概念が一貫して残るかを測るEICSを提案した。
- Visual Genomeの場面グラフから、空間関係を制御して変えるCASP-VLを構築した。
- 位置関係は対応する述語のトークンで識別できても、文全体への集約で失われる傾向を報告した。
残り文字数で完成できる経路を保つAPD、意味解析の構造違反をトークン撤回なしで防ぐ
- 局所的に有効な語でも出力長内に完成できない場合があるため、完了経路を維持する。
- 厳しい長さ制約で、DRSとAMRの構造を表す出力の評価値を局所マスクより改善した。
- 無効出力の事後除去と学習時の罰則も比較し、データ量や学習段階による効果の違いを調べた。
同じ注意ヘッドでもタスクで情報の流れが変わる、LLMの共有部品を介入で比較
- 同じグラフ事実を使い、タスクごとに注意ヘッドの影響と回答への重要性を測った。
- 五つの公開重みモデルで、タスク変更に伴う内部の影響分布の変化を観測した。
- 条件別の応答写像は、二条件の平均写像より後段の応答予測誤差を小さくした。
意味が近くても失敗するAPIは避けるRATED、実行結果を使ってツール候補を再順位付け
- 意味検索で候補を絞り、実行の成功・失敗を学ぶ軽量な選択器で順位を変える。
- EcoAgentは5172のツールと21万超の質問・ツール対を含む評価基盤である。
- 30%の障害注入条件で故障ツール選択率を86.2%から2.9%へ低下させた。
LLMの次の判断を待たずに動作を止めるBT-Agent、行動木と失敗通知で機上ロボットを制御
- LLMのタスク判断と、実行条件を確認する事前定義の行動木スキルを組み合わせる。
- 四脚ロボット上の9Bモデルで、五種類のタスクを完全に機上で実行した。
- 161タスクの文章評価と39タスクのシミュレーションを併用し、速度と実行失敗の診断を分担した。
繰り返し現れる語でも根拠がなければ減点、SAFE-QEが検索拡張の不要語と網羅性を調整
- 質問の文脈を変えたときの語の再出現と、検索文書の裏付けを合わせて拡張候補を評価する。
- 検索文書の範囲を覆うよう語を選び、支持のない語の数を別の指標で測る。
- nDCG@10の差は統計的に明確でない一方、支持のない語は1質問あたり4.3語へ減少した。
似た平均誤り率でも利用場面の弱点は異なる、OpenSVBenchが話者照合を場面別に診断
- 26の照合試験を11の利用場面へ整理した、固定の公開評価基盤を用意した。
- 約915万の試行と共通採点で、18の公開チェックポイントを比較した。
- 平均値が似たモデルにも場面別の差があり、同じ場面内でもデータ源や試験条件の差が残った。
合成音声の話者を増やして認識学習を補助、実音声の置換と追加では有効な変換器が異なる
- トルコ語の銀行コールセンター音声で、読み上げ合成と三種類の声質変換を比較した。
- 合成データだけの学習ではSeed-VCがTTSより良いが、実音声との差は大きい。
- 実音声への追加ではTTSとVec2Wav2の組合せがWERを34.40%から28.65%へ下げた。
質問とクエリの例を先に検索するSPARQL-LLM、多言語の知識グラフ照会を少ない対話で生成
- 質問とSPARQLの対応例、接続先のスキーマを検索して生成文脈を組み立てる。
- TEXT2SPARQL 2026の八つの参加方式で全体首位となり、英語・スペイン語・ドイツ語を評価した。
- DBpediaのスペイン語ではF1が0.7810で、次点の0.4904より相対的に59%高かった。
声の強さを連続した音圧値で指定、音量調整とは異なる発声変換を学習
- 録音の内容と話者を保ちながら、目標の音圧レベルに合わせて発声の特徴を変換する。
- 音声の符号化器と合成器を固定し、小さな変換器だけを対応録音なしで学習する。
- WavLM表現では指定した強さの変化の83%を達成し、音量をそろえた聴取評価でも知覚の変化を確認した。