身体性AIにおける再帰的自己改善：仕組み・証拠・評価

- 本論文は、embodied systems が deployment experience から policy・world model・skill・executable program を更新し、さらに data-acquisition・feedback・learning procedure 自体を改訂・再利用する再帰的自己改善（recursive self-improvement, RSI）を physical AI の文脈で整理する survey である。 - persistent capability とその improvement process の接続に着目し、learner updates と improvers の機能的区別を説明する。 - policy learning、imagined experience、memory and skill accumulation、executable harnesses を比較する。 - L0-L3 rubric を提示し、task-local adaptation、persistent capability ga…

- 従来の physical AI 研究は policy learning や imagined experience など個別手法ごとに議論されがちだが、本 survey は persistent capability と improvement process の接続という共通軸で多様な手法を横断的に整理する点が異なる。 - learner updates と improvers を機能的に区別し、experience が capability を生む process 自体を変える再帰性を明示的に扱う。 - L0-L3 rubric により task-local adaptation から verified improver gain までを段階的に区別する評価枠組みを提示する。 - common-data および interactive comparisons を提案し、experience の利用と獲得を分離して評価する視点を与える。 - 具体的な先行研究との個別比較の詳細は要旨からは不明。

- 本論文は survey であり、新規アルゴリズムの提案ではなく、physical AI における RSI の研究を整理・比較する枠組みを提示する。 - learner updates と improvers の機能的区別を出発点に、policy learning、imagined experience、memory and skill accumulation、executable harnesses を比較する。 - これらの手法が curricula、rewards、research programs の改訂とどう接続するかを整理する。 - contact validity、recovery、retention、resource costs が継続 deployment 中の gain の蓄積を左右する要因として位置づけられる。 - L0-L3 rubric と、common-data・interactive comparisons という評価プロトコルを提案する。

- 本論文は survey として、代表的な benchmarks と within-study contrasts を用いて L0-L3 の区別を既存結果に関連づける。 - さらに common-data および interactive comparisons を提案し、shared learner starts から reference と revised improvers を評価することで、experience の利用とその獲得を分離する。 - 個々の手法の有効性を新たに実験検証したかは要旨からは不明。 - 提案された評価プロトコル自体の実証結果は要旨からは不明。

- contact validity、recovery、retention、resource costs が、継続 deployment 中に gain が蓄積するかどうかを決める点が議論の焦点となる。 - L0-L3 rubric により、単なる task-local adaptation と verified improver gain を混同しない評価の必要性が示唆される。 - experience の利用と獲得を分離して比較する common-data・interactive comparisons の設計上の課題や限界については要旨からは不明。 - 各手法の利点・欠点の詳細な比較議論は要旨からは不明。

- 本 survey が比較対象とする policy learning、imagined experience、memory and skill accumulation、executable harnesses に関する代表的研究。 - curricula や rewards の改訂に関する研究。 - L0-L3 rubric や common-data・interactive comparisons に関連する評価研究。 - 具体的な論文名は要旨に明記されていないため、survey の GitHub リポジトリ（https://github.com/nkd-lkz/physical-ai-rsi-survey）に掲載された研究リストを参照するのが適切。