RPGはシミュレーションの失敗から技能と指示を直し、ロボット実行を改善する
- モデル重みを変えず、再利用する技能とシステム指示を練習結果から修正する。
- 22課題で15回の練習後に成功率95.0％を報告した。
- 実機は共通の校正と適応後、3課題各10回の計30試行に成功したという。
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。
研究を進める論文を探せるか、ScholarCatalystで検索エージェントを評価
- 研究開始時の問いから、その研究を進めた可能性のある先行論文を探す。
- 184人の主要著者が207件の研究について候補の有用性と理由を注釈した。
- 上位20件の再現率はエージェント0.42、埋め込み検索0.48で、複雑な探索が優位とは限らなかった。
過去の画像を読み直すVISTA、対話型ゲームで視覚推論を改善
- 過去の観察画像を元の形で保持し、推論中に検索して見直せる実行基盤を使う。
- ARC-AGI-3の公開25ゲームで、著者らは人間基準の行動効率スコア100を報告する。
- 同じモデルの最小構成と比べ、画像の選択的な観察と記憶の効果を評価した。
行動価値の勾配に頼らないFERPO、良い行動の分布へ方策を合わせる
- 行動を評価するモデルの値を使い、その行動微分を使わずに方策を改善する。
- 順向きKLで複数の高価値な行動候補を覆い、探索を維持する。
- 制御課題で評価し、候補の再利用による高速化とメモリー増加を報告する。
報酬プログラムを実行時に改良し、ヒューマノイドの既存能力を組み合わせる
- 重みを再学習せず、段階別の報酬と完了条件を変えて新しい移動・操作課題を解く。
- LLMがプログラム構造を改訂し、数値最適化が定数を調整する。
- 候補を並列シミュレーションで検証し、Unitree G1でも自律動作を示す。
連続状態と単語を往復するHC-DLM、並列生成の依存関係を補う
- 持続する生成状態を連続潜在表現に一本化し、毎段階のトークンを次の更新へ戻す。
- 離散的な並列生成の独立性と、連続生成が文字列の制約から離れる問題へ対処する。
- 数独、Countdown、LM1Bで評価し、同規模の比較相手に対する改善を報告する。
LLMの自己修復に見える反応を、既存の結合と介入量から説明する
- 内部成分を消す実験を、符号付きの介入強度の一地点として捉え直す。
- 下流の反応が介入量にほぼ直線的に変わり、その傾きを固定重みから予測できると報告する。
- 4系統のモデルで81方向中68方向が法則に沿ったが、自由な文章生成への一般化は未確認。
相手と補助役の動きを観察し、ロボットの物理的制約を推定する
- 過去の共同作業を見て相手の動作制約を推定し、新しい作業の計画へ使う。
- 制約を持つ機体だけでなく、それを補う相棒の動きも手掛かりにする。
- 3つの共同操作設定で推定と協調が改善し、真の制約を知る比較条件へ近づいた。
DuoMindはロボット同士の意味メッセージで長い共同作業を調整する
- 各ロボットが視覚と言語で計画し、動作モデルへ指示しながら仲間へ状況を伝える。
- 高い段階の調整と細かな動作を分け、観測と実行の結果に応じて計画を更新する。
- RoboPolyとRoboTwinで改善を報告し、通信を外すと競合や同期ずれが増えた。
移調した音楽の内部表現をそろえ、和音や調の構造を見つける
- 音楽モデルの特徴を単独でなく、移調に対応するまとまりとして分析する。
- 音の高さを変えた入力対の疎な表現を対応付け、和音・調・旋律の構造を調べる。
- 2種類の音楽基盤モデルで構造を発見したが、読み出せる情報と目立つ特徴は一致しない。
音声によるアルツハイマー病評価、雑音の介入で予測が変わることを検証
- 雑音と残響を制御して加え、音声モデルの予測への影響を調べる。
- 3種類の事前学習モデルで予測変化が起き、元データに群間差がない雑音も影響した。
- 高い予測精度や音響因子の群間差の不在だけでは、収録条件への頑健性を示せない。
個人エージェントの記憶を必要時だけ照会するAgentWebRecの推薦手法
- 商品情報と本人の記憶を組み合わせ、不足時だけ他の利用者のエージェントへ照会する。
- 問い合わせ回数と保持する証拠を制限し、推薦判断に必要な情報を段階的に集める。
- 4つのInstructRecデータで比較手法を上回ったが、実環境の秘匿性は別途検証が必要。