映像の代わりに3D骨格を使うSkeleWAM、少ないパラメータで操作を学ぶ
- 関節、物体中心、接触に関わる点の疎な3D骨格で操作場面を表す。
- 未来骨格を学習時の補助に使い、実行時は現在の骨格から直接行動を生成する。
- LIBERO-Plusで成功率85.9%、57.1Mパラメータと報告された。
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。
医療要旨の分類根拠を5手法で照合、説明の不一致を監査する
- DeBERTa-v3のゼロショット分類を、異なる原理の5つの説明手法で監査する。
- 重要なトークン集合をそろえ、Jaccard指標で説明どうしの一致を測る。
- 診断カテゴリの意味が重なると予測と説明が不安定になると報告した。
ガラスを地図に補い、通れる床の誤封鎖を減らすGlassGuard
- 画像で見つけたガラスとLiDARの構造手掛かりを組み合わせ、平面の向きを検証する。
- 同じピンホール画像条件で総被覆率82.1%、比較手法の最大61.0%を上回った。
- 誤った占有ボクセルは1フレーム平均16.7個で、比較手法より5〜17倍少ない。
学習データの選別を未知のデータへ転用するTESS、損失差を教師にする
- 訓練だけで学ぶモデルと検証目標も反映するモデルの損失差を、データ価値の教師にする。
- 選別器を個別データの重みから切り離し、未見の候補を直接採点する。
- 従来の目的関数で起きる重みの抑圧と、簡単な特徴への依存を分析した。
道具の選択から移動しながらの使用まで、人型ロボットを18課題で評価
- 3場面、3実行段階、2種類の候補構成を組み合わせた18課題を用意する。
- ToolBookにはシミュレーション3,003件と実機91件の実演が含まれる。
- 適切な道具を選べても作業を完了できない差や、未知の道具への弱さを報告する。
物理理解・未来の映像・行動予測を統合するロボットモデルUniWAM
- 物理推論、世界生成、行動予測を一つの構成に統合する。
- 人の一人称映像、ロボット実演、視覚質問応答を役割に応じて学習に使う。
- 未来画像のノイズ付加と行動履歴による初期化で、行動生成の反復回数を減らす。
水流が船と粒子に及ぼす影響を一緒に検証するH-SPAR
- 同じ流速場を無人水上艇の運動と粒子輸送に使い、採取任務を一体で評価する。
- 流れを考慮した経路の上流方向コスト低減は、計画時69.4%から実行時41.7%に縮小した。
- 走査方向による粒子採取率の差は最大22.2%と報告された。
エッシャー風の再帰画像を、生成中の幾何変換と逆変換で組み立てる
- 固定した画像拡散モデルと幾何変換を交互に使い、入れ子の場面を生成する。
- ねじる前と後の表現を往復し、内容と構図のつながりを同時に整える。
- 評価は定性的な比較が中心で、有限の解像度では完全な再帰を保証しない。
Sphere Encoder 2は球面の学習範囲と損失を見直し、少ない段数で画像を生成する
- 高次元の球面上の点を画像へ復号する生成器のぼけを改善する。
- 学習時に球面の90度の領域まで扱い、生成では画素単位の再構成損失を外す。
- Oxford FlowersとImageNetで評価し、画質指標が必ずしも同じ順位にならないことも示す。
アバターの毎フレーム推論を線形合成へ置き換えるGALA、モバイルで60fpsを実証
- 重いアバターモデルの変形を、共通の変形基底と小さな係数予測器へ移す。
- 描画への影響とメモリー予算を考慮し、ブロックごとに基底を構成する。
- 3つのモデルで高速化を評価し、未使用の人物にも適用した。
KaliBenchでLLMのコマンド生成を評価、ツール選択と引数の誤りを分ける
- 自然言語の依頼を実行可能なCLIへ変換する能力を細かな単位で測る。
- 1,642ツールの8,504組を構築し、表記の正規化と別名を考慮した採点を行う。
- ヒントなしでは公開重みモデルの完全正解率が42％を超えず、引数生成の難しさが残った。
動画はプログラム通りの出来事を描けるか、PROWBenchが状態記録と照合
- 実行エンジンの状態と時刻付きイベントを、生成動画の正解側の記録にする。
- 170エピソードと600の代理表現動画を構成し、複数の視点と入力形式を用意する。
- 画質とは別に、予定された出来事の順序と相互作用の実現を評価する。