一人称映像から手とカメラを同時推定するInfiniHand：作業軌跡を共通の3次元空間へ
- 手の検出・形状復元とカメラ軌跡を統合し、一人称動画から世界座標の手動作を推定する。
- ARCTICのPA-pはViDiHand比21.4%改善したが、画像上の投影誤差など全指標で優位ではない。
- 過去情報の記憶と疎な幾何補正で累積ずれを抑える構成で、長時間映像での精度確認が実用上の焦点になる。
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。
必要なトークンだけ反復計算する、推論時の計算配分
- TaH2はトークンごとに反復回数を選び、追加計算の効果を学習中の損失変化から教える。
- 著者らのAIME実験では、計算量をそろえた条件でStandardより約3.4ポイント高い精度を報告した。
- 推論時の遅延は増えるため、PoCでは精度と回答時間を同時に評価する。
二輪で自立する運搬ロボットを、外部カメラの誘導と機体上の高速制御で動かす
- 上方カメラのマーカー追跡で進路を決め、機体上の高速制御で二輪の姿勢を保つ。
- 片側の荷物による横転は車輪で直接抑えられず、支持幅が安定範囲を決める。
- 試作機の20g荷重で、段差後の平均回復時間は1.38秒、比較したPIDでは2.84秒だった。
画像モデルの高速化へ、MLPは重みを移し注意機構は出力を学ぶ
- Softmax ViTの注意重みを線形ViTへ直接コピーしても、安定した改善は得られなかった。
- 著者らはMLP重みのコピーと注意出力の蒸留を組み合わせ、複数条件で元モデルに並ぶ精度を報告した。
- 実用判断には対象画像での分類精度に加え、推論速度と追加学習時間の実測が必要である。
金融調査AIの採点基準を、専門家の指針から質問ごとに作る
- 専門家の再利用可能な指針から、質問別の金融調査用採点基準を作る。
- 作成担当が期待値を調査し、確認担当が照合する。失敗時は人へ回す。
- 著者らは三つの専門家作成ベンチマークで採点の一致を報告し、78課題・八資産クラスの100問も公開した。
発話の短さと交渉の進み方を同時に学ぶ対話エージェント訓練
- TACTは発話の表現と交渉方針を別々に修正し、相手の返答を試して学習の手本を選ぶ。
- 著者らのSOTOPIA実験では比較手法中で最高のGoalを示したが、対話ターン数は必ずしも減らなかった。
- 実務評価では目標達成、トークン数、往復数に加え、条件や約束の保持を確認する。
人型ロボットの歩行と物体操作を、部位別の行動トークンでつなぐ
- 全身行動を四つの部位別トークン群に分け、視覚言語モデルの語彙で扱う。
- 群内は並列、群間は順番に記号を生成し、208段の逐次生成を32段に減らす設定を示した。
- SIMPLEの共通モデル評価では180回中143回、作業別追加学習では163回成功したと著者らは報告する。
イヤホンと中敷きのIMUで下半身姿勢を推定し、信頼できない信号を抑える
- 足の加速度だけを追加した構成は66.6 mmで、頭だけの79.0 mmより低誤差だった。
- 信号別ゲートは、偏りのある足の姿勢方向を抑えつつ加速度を使う。
- 評価は一人の35テイクと画像由来の擬似ラベルに基づく。
会話履歴を圧縮しても計算済みの情報を引き継ぐ、エージェント学習の高速化
- KV-streamsは履歴圧縮後も残すKVキャッシュを引き継ぎ、再読み込みを省く。
- 著者らのSWE-bench Verified実験では、成功率52.7±2.1％を保ちつつ、最高成績への到達時間は約20時間だった。
- PoCでは速度とともに、削除した履歴が必要になる課題の正答率を測る。
人物・既成事実・未回収の伏線を記録し、長編物語の矛盾を抑える
- 人物の状態、既に起きた出来事、未回収の伏線を種類別に記録して章ごとに更新する。
- 20K～100K語では、二つの生成モデルで要約方式より矛盾密度と文章品質が良かったと著者は報告する。
- 評価は英語の物語とLLM判定が中心で、日本語作品での有効性は別途確認が必要だ。
閉じたリンクを持つロボットの制御とシミュレーションを一つの機構記述から作る
- 機構グラフから、閉路の拘束、運動、駆動力、動力学に共通する関係を生成する。
- 閉路ごとに計算し、変更の影響を受けない部分を再利用する。
- Kangarooでは動力学と制御を固定した条件で、計算時間と閉ループ実行時間の短縮を報告した。
画像を見直して描き直す一連の判断を学ぶUMM-Reflection
- 同じ初稿から16通りの修正経路を試し、経路全体の結果で診断文と画像生成の両方を学ぶ。
- GenEval総合点は教師あり微調整後の0.72から0.84に上がり、誤画像の修復率も20.59％から64.94％へ改善した。
- 修正で正しい画像を壊す例もあるため、修復率と損傷率を一緒に評価する必要がある。