日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

世界モデルarXiv:2607.01531

OPINE-World: オントロジー誤差優先の対話的探索によるARC-AGI-3向けプログラム的世界モデリング

OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration for ARC-AGI-3

シェア:XThreadsFacebookLINEはてブBluesky

LLMエージェントが環境との相互作用からオブジェクト中心のプログラム的世界モデルをオンライン学習する手法を提案し、ARC-AGI-3ベンチマークで高い性能を達成した。

詳しい要約

1. どんなもの?

OPINE-Worldは、LLMエージェントが環境とのインタラクションからオンラインでオブジェクト中心のプログラム的世界モデルを学習する手法を提案する。モデルはLLMによってソースコードとして合成され、反例誘導型合成(CEGIS)で洗練される。ARC-AGI-3ベンチマークで評価され、オブジェクト語彙・目標・行動意味が隠された環境で、ゲームごとのトレーニングなしに25ゲーム中20を解き、行動効率スコア78.4を達成した。

2. 先行研究と比べてどこがすごい?

深層ネットワークによる世界モデルは柔軟だがデータを多く必要とし、分布外への転移が弱い。一方、プログラム合成による世界モデルはデータ効率が良く再利用可能だが、これまではオブジェクト語彙が与えられた構造化状態世界に限定され、ピクセルレンダリング環境ではオブジェクト構造の仮説が柔軟に必要で単一のプログラム探索ではスケールしなかった。OPINE-Worldは、オブジェクト中心のプログラム的世界モデルをオンラインで学習し、オブジェクト語彙が未知の環境にも適用できる点が新しい。

3. 技術・手法の肝は?

手法の肝は、環境で行動するエージェントとコードでモデルを合成するエージェントの2つが協調する仮説とテストのループにある。リプレイ検証とモデルベース計画を用い、探索をオントロジー誤差と呼ばれるオブジェクト型適合性のベイズ測度で導く。これにより、オブジェクト構造を柔軟に仮説しつつ、プログラム合成を効率的に行う。

4. どうやって有効だと検証した?

ARC-AGI-3ベンチマークで評価した。このベンチマークはスキル獲得効率を測るもので、オブジェクト語彙、目標、行動意味が隠されている。OPINE-Worldはゲームごとのトレーニングなしに25ゲーム中20を解き、行動効率スコアは人間ベースラインに対して78.4を達成した。

5. 議論はある?

要旨からは、限界や議論についての詳細は不明。ただし、プログラム合成のスケーラビリティや、より複雑な環境への適用可能性、オントロジー誤差の推定精度などが議論の余地があると考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、counterexample-guided inductive synthesis (CEGIS)や、program-synthesized world models、object-centric world models、ARC-AGIベンチマーク関連の研究が挙げられる。具体的には、CEGISの基礎論文や、LLMを用いたプログラム合成、ARC-AGIの先行研究などが考えられるが、要旨に明示的な参照はないため、同分野の定番として、'Program Synthesis'や'World Models'に関する論文を挙げる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: David Courtis, Wenhao Li, Scott Sanner

分類: cs.AI, cs.LG

原文アブストラクト

Learning how an environment behaves from interaction is central to building agents that adapt to unfamiliar tasks. World models learned with deep networks are flexible but data-hungry and transfer poorly beyond their training distribution. Program-synthesized world models, written as source code by LLMs and refined through counterexample-guided inductive synthesis (CEGIS), are instead data-efficient and reusable, yet they have been demonstrated mainly on structured-state worlds with a given object vocabulary, and a single program search does not scale to pixel-rendered environments whose object structure must be hypothesized flexibly. We introduce OPINE-World, an LLM agent that learns an object-centric programmatic world model online from interaction. OPINE-World couples two cooperating agents in a loop of hypothesis and test, one acting in the environment and one synthesizing the model in code with replay verification and model-based planning, and it steers exploration with a Bayesian measure of object-type adequacy we call ontology error. We evaluate OPINE-World on ARC-AGI-3, a benchmark for skill-acquisition efficiency in which the object vocabulary, the goal, and the action semantics are withheld. OPINE-World solves 20 of 25 games without per-game training and reaches an action-efficiency score of 78.4 against the human baseline.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI