記録に沿う行動と高い予測価値を、三つの方向で統合するCoDrift
- CoDriftは、状態ごとの行動分布、全体の行動分布、予測価値を三つの移動方向として統合する。
- 著者はOGBenchとD4RLの計73課題を評価し、記録のみと追加学習の両設定で平均順位が最良だったと報告する。
- 運用時は状態と乱数から一回のモデル計算で行動を出す。対象用途での達成率と行動の逸脱は別途検証が必要である。
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。
検索した作業記録をロボットの指示に使う前に判定する――TOWN-VLAの入力制御
- 検索候補を順位付けした後、対象物と置き先を照合し、採用した候補だけを定型指示に変える。
- 著者らの一致条件のLIBERO-Plus評価では、成功率が69.5%から73.1%になった。
- 却下時は元の指示へ完全に戻す一方、検索を呼ぶ場面の判定と複雑な位置関係の保持は課題として残る。
画像と言葉から把持位置と配置先を読み出すロボット向け手法
- Pointing-VLAは画像と言語の内部状態から、把持用の機能領域と配置用の点を専用の出力部で読み出す。
- Bridge/WidowXの4課題では、各24回の試行で計70/96回成功し、平均成功率は72.9%だった。
- 実機PiPERの3条件・計150回では、π0.5単独の成功率52.7%に対し、空間情報による誘導を加えた条件は80.7%だった。
予測が合わない局面で学習量を増やす、ロボットの継続的な運動学習
- FEGPは、直近の観測に対する変分自由エネルギーを使い、対話中の結合の更新量を調節する。
- 著者らは、十本の教示系列と各五通りの初期値を用いた比較で、動作の再現範囲と保持の改善を報告した。
- 実機で教えた三種類の周期動作は自律生成軌道に現れたが、確認できた本文から改善幅の数値は示せない。
AI家庭教師はどこまで答えるか：大学の授業で使われたLLMの返答1万4637件を分析
- 203人の学生による1万4637件のLLM返答を、課題への援助の直接性に応じて5段階に分類した。
- 返答の55.2％は完成解答、40.3％は説明に分類された。保留した150件での自動分類の正解率は75.3％だった。
- 援助段階は学生の次の発話と関連したが、過去の成績と発話行動を考慮すると、3回の試験成績への追加の予測情報は小さかった。
音声質問の固有名詞が崩れると、複数文書をたどるRAGに何が起きるか
- 3つの複数文書質問応答データセットで、4種類の英語訛りの合成音声と4つのRAG方式を比較した。
- ナイジェリア訛り条件では、正しい質問文からのF1低下が、単純な検索よりIRCoTとHippoRAG2の組み合わせで3データセットすべて大きかった。
- 2WikiMultiHopQAの精度低下事例では、著者の自動分類によると87～96％に質問中の固有名詞の破損が含まれた。
異なるステッピングモーター駆動回路を併用する、画像誘導型6軸ロボットアーム
- 根元3関節には外付け、手首3関節には基板上のモータードライバーを使い、単一の制御器で六軸を動かす。
- 画像から色で対象を見つけ、作業面の座標と既知のz座標から目標位置を求め、MATLABで関節角度を計算する。
- 著者らは2 kHzでの協調駆動とブラウザーからの手動・記録済み動作を報告するが、位置誤差や把持成功率は確認できた本文の範囲では不明である。
競技用義足を使う走り幅跳びを身体モデルで再現・予測する
- 各１名の個人別身体モデルで、計測した走り幅跳びの再構成と新たな動作の予測を行った。
- 再構成姿勢の誤差は、対象動作全体で位置２cm未満、回転0.036ラジアン未満と著者らは報告した。
- 生成動作の予測距離は切断のない選手9.86m、ある選手9.22m。２人のモデル間の差であり、義足単独の効果は示さない。
ポーランド語の画像・音声・文書を900問で測る評価基盤「PUMA」
- PUMAは、ポーランド語の画像・音声・文書を対象に、文化理解と実用的な処理能力を９分類・900問で評価する。
- 著者らの表１では、全分類を対象にしたGemini-3.1-Proの平均厳格スコアは79.7％だった。
- 帳票処理への適用には、現場の画像と正解ラベルを使い、項目ごとの誤りを別途検証する必要がある。
正解付きの質問から、文書をたどるための索引を学習する
- 学習役は質問に一度答え、正解を見てから文書とリンクを編集する。
- KBGymの主実験では100問を２周学習し、索引の到達範囲と固定した読取役の回答を調べた。
- 未見の質問への効果は、学習時に扱った検索の手掛かりとの重なりによって変わる。
NLP論文のGPU規模は引用・受賞とどう関係するか
- 2020～2025年のACL、EMNLP、NAACL本会議論文13,921本から、報告されたGPU構成と学術的影響の関係を調べた。
- 2020～2023年の各年でGPU能力上位20％の論文は、報告能力の83.9～89.9％を占めた一方、引用に占める割合は27～32％だった。
- 調整後の引用分析では、報告GPU能力が10倍高い場合の引用順位との差は3.52パーセントポイントで、モデルのR²増分は0.0042だった。
画像生成前の配置計画を直すと、物体の位置関係は改善するか
- GoT-R1-1Bでは、生成画像の93.8％が計画に記した位置関係を実現したと著者らは報告する。
- 空間関係の検証用300件で、枠の幾何だけを修正すると、物体検出器で測った正答率は0.750から0.857になった。
- 計画の枠と説明文が矛盾すると、著者らは物体の重複や融合を観察した。