論文
フィジカルAI関連の最新論文を、日本語のひとことで。原題は英語です。
最新論文: 2025/10/24 / arXivを3時間ごとに自動収集
📖 UMIデバイス・カタログ(日本語版)UMI式データ収集デバイスと主要データセットを日本語で俯瞰 →- 論文強化学習/世界モデル機械学習
DreamerV3-XP:不確実性推定による探索の最適化
世界モデル強化学習DreamerV3に優先経験再生とアンサンブル不確実性に基づく内的報酬を追加し、疎な報酬環境での探索と学習効率を改善した。
原題: DreamerV3-XP: Optimizing exploration through uncertainty estimation / Lukas Bierling, Davide Pasero, Jan-Henrik Bertrand 他
日本語で読む → - 論文モデルベース強化学習機械学習
世界モデルを混乱させるのはどれほど難しいか
強化学習における「最も混乱させるインスタンス」の概念をニューラルネットワーク世界モデルに拡張し、制約付き最適化問題として定式化して敵対的訓練で解く手法を提案した。
原題: How Hard is it to Confuse a World Model? / Waris Radji, Odalric-Ambrym Maillard
日本語で読む → - 論文VLA機械学習
大規模マルチモーダルモデルによるタスク指向自律通信:設計手法と実装課題
LLM/LMMを活用したタスク指向自律通信の概要を示し、交通制御・ロボットスケジューリング・環境認識チャネル推定の3事例で従来手法を上回る性能を実証した。
原題: Large Multimodal Models-Empowered Task-Oriented Autonomous Communications: Design Methodology and Implementation Challenges / Hyun Jong Yang, Hyunsoo Kim, Hyeonho Noh 他
日本語で読む → - 論文世界モデル機械学習
マスクから世界へ:世界モデル構築のための実践ガイド
初期のマスクモデルから統一アーキテクチャ、対話型生成モデル、記憶拡張システムへと至る世界モデル構築の道筋を、生成・対話・記憶の3要素に焦点を当てて解説する。
原題: From Masks to Worlds: A Hitchhiker's Guide to World Models / Jinbin Bai, Yu Lei, Hecong Wu 他
日本語で読む → - 論文世界モデルAI
環境レベルのクエリで世界モデル学習をベンチマークする
世界モデルが環境全体に関する多様なクエリに答えられるかを評価するWorldTestプロトコルと、43のグリッドワールド環境・129タスクからなるAutumnBenchを提案し、人間とAIモデルの性能差を明らかにした。
原題: Benchmarking World-Model Learning with Environment-Level Queries / Archana Warrier, Dat Nguyen, Michelangelo Naim 他
日本語で読む → - 論文強化学習/解釈可能性機械学習
埋め込み次元の増大が単純ソートタスクにおける世界モデルを強化する
強化学習でバブルソート風の隣接交換を学習するTransformerにおいて、埋め込み次元が内部世界モデルの形成に与える影響を調査し、次元が大きいほど構造的で解釈可能な表現が得られることを示した。
原題: Higher Embedding Dimension Creates a Stronger World Model for a Simple Sorting Task / Brady Bhalla, Honglu Fan, Nancy Chen 他
日本語で読む → - 論文強化学習機械学習
D2C-HRHR: 高リスク高リターンタスクのための離散行動と二重分布クリティック
高リスク高リターンなタスクでは行動分布が多峰的で報酬が確率的になるため、連続行動を離散化しエントロピー正則化と二重クリティックで価値分布を推定する強化学習フレームワークを提案した。
原題: D2C-HRHR: Discrete Actions with Double Distributional Critics for High-Risk-High-Return Tasks / Jundong Zhang, Yuhui Situ, Fanji Zhang 他
日本語で読む → - 論文因果表現学習AI
ヒューマノイドに着想を得た因果表現学習によるドメイン汎化
人間の視覚処理を模した構造的因果モデル(HSCM)を提案し、色・テクスチャ・形状などの画像属性を分離・再重み付けすることで、ドメイン汎化性能と解釈性を向上させた。
原題: Humanoid-inspired Causal Representation Learning for Domain Generalization / Ze Tao, Jian Zhang, Haowei Li 他
日本語で読む → - 論文世界モデル機械学習
記憶検索によるゼロショット世界モデル
学習なしで類似検索と確率的表現を用いて世界モデルを近似し、Dreamer系のPlaNetと比較して長期予測で優位性を示した。
原題: Zero-shot World Models via Search in Memory / Federico Malato, Ville Hautamäki
日本語で読む → - 論文オープンワールド学習stat.ML
オープンワールド機械学習における情報理論:基礎・枠組み・今後の方向性
オープンワールド機械学習において、エントロピーや相互情報量などの情報理論的概念が不確実性の定量化や知識獲得の記述にどう役立つかを体系的にレビューし、今後の研究方向を整理した論文。
原題: Information Theory in Open-world Machine Learning Foundations, Frameworks, and Future Direction / Lin Wang
日本語で読む → - 論文3D世界モデル画像認識
Terra: 点潜在表現による探索可能なネイティブ3D世界モデル
3D入力を点潜在表現に符号化し、3Dガウスプリミティブとして復号する世界モデルを提案。単一生成で任意視点からの高品質レンダリングと探索可能な環境生成を実現した。
原題: Terra: Explorable Native 3D World Model with Point Latents / Yuanhui Huang, Weiliang Chen, Wenzhao Zheng 他
日本語で読む → - 論文機械設計/LLMエージェントAI
構成部品から機械を設計するエージェント的アプローチ
LLMが標準部品を組み合わせて移動や操作の機能を持つ機械を設計できるかを、ゲームBesiege上のテストベッドで評価し、強化学習による改善の可能性を探った。
原題: Agentic Design of Compositional Machines / Wenqian Zhang, Weiyang Liu, Zhen Liu
日本語で読む → - 論文VLA機械学習
自己対戦ファインチューニングによるエージェントRLのための世界モデル内在化
LLMエージェントに状態表現と遷移モデルからなる内部世界モデルを自己対戦SFTで学習させ、方策最適化前に未来状態をシミュレートすることでOOD環境でのRL性能を大幅に向上させる手法SPAを提案。
原題: Internalizing World Models via Self-Play Finetuning for Agentic RL / Shiqi Chen, Tongyao Zhu, Zian Wang 他
日本語で読む → - 論文世界モデル機械学習
脳内のベクトル量子化:世界モデルにおけるグリッド様コード
アトラクタダイナミクスに基づくグリッド様パターンを用いて観測-行動系列を離散表現に圧縮する脳模倣手法GCQを提案し、長期予測や計画、逆モデリングに有効であることを示した。
原題: Vector Quantization in the Brain: Grid-like Codes in World Models / Xiangyuan Peng, Xingsi Dong, Si Wu
日本語で読む → - 論文強化学習テスト機械学習
多様性の追求:深層強化学習エージェントの多目的テスト
深層強化学習エージェントの安全性テストにおいて、失敗の多様性と発生しやすさを同時に最適化する多目的探索手法INDAGO-Nexusを提案し、従来手法より多くの固有の失敗を発見した。
原題: The Pursuit of Diversity: Multi-Objective Testing of Deep Reinforcement Learning Agents / Antony Bartlett, Cynthia Liem, Annibale Panichella
日本語で読む → - 論文VLA画像認識
Vision-Language-Actionモデルに対するモデル非依存の敵対的攻撃と防御
VLAモデルにカメラ視野内に置ける敵対的パッチを生成するモデル非依存攻撃EDPAを提案し、視覚エンコーダの敵対的ファインチューニングによる防御法も示した。
原題: Model-agnostic Adversarial Attack and Defense for Vision-Language-Action Models / Haochuan Xu, Yun Sing Koh, Shuhuai Huang 他
日本語で読む → - 論文強化学習機械学習
Deep SPI:世界モデルによる安全な方策改善
世界モデルと表現学習を組み合わせたオンライン強化学習において、方策更新を現在の方策の近傍に制限することで単調改善と収束を保証する理論的枠組みを構築し、その理論に基づくアルゴリズムDeepSPIを提案した論文。
原題: Deep SPI: Safe Policy Improvement via World Models / Florent Delgrange, Raphael Avalos, Willem Röpke
日本語で読む → - 論文世界モデルAI
一度きりの人生で学ぶ:未誘導探索から確率的環境の記号的世界モデルを推論する
人間の助けなしに一度きりの探索で複雑な確率的環境の遷移をプログラムとして学習するフレームワークOneLifeを提案し、状態ランキングと忠実度で評価した。
原題: One Life to Learn: Inferring Symbolic World Models for Stochastic Environments from Unguided Exploration / Zaid Khan, Archiki Prasad, Elias Stengel-Eskin 他
日本語で読む → - 論文強化学習機械学習
未知のダイナミクスを持つ多動物行動のデータ駆動型シミュレータ:オフライン・オンライン強化学習による実現
深層強化学習と反実仮想シミュレーションを用いて、未知の運動ダイナミクスを持つ多動物の行動を再現・予測するデータ駆動型シミュレータを構築した。
原題: Data-driven simulator of multi-animal behavior with unknown dynamics via offline and online reinforcement learning / Keisuke Fujii, Kazushi Tsutsui, Yu Teshima 他
日本語で読む → - 論文VLAcs.CR
物理オブジェクトをトリガとする目標指向バックドア攻撃:VLAモデルに対する新たな脅威
訓練データに物理オブジェクトをトリガとして混入させるだけで、VLAモデルに特定の目標行動を実行させるバックドア攻撃GoBAを提案し、BadLIBEROベンチマークで97%の成功率を示した。
原題: Goal-oriented Backdoor Attack against Vision-Language-Action Models via Physical Objects / Zirun Zhou, Zhengyang Xiao, Haochuan Xu 他
日本語で読む → - 論文言語エージェントAI
初期経験によるエージェント学習
エージェント自身の行動から得られる相互作用データを報酬なしで活用し、世界モデリングと自己内省によって言語エージェントを訓練する手法を提案した。
原題: Agent Learning via Early Experience / Kai Zhang, Xiangchao Chen, Bo Liu 他
日本語で読む → - 論文強化学習機械学習
目標条件付き強化学習のためのテスト時グラフ探索
既存の目標条件付き強化学習ポリシーに、学習不要の軽量なグラフ探索ラッパーを組み合わせることで、長期的タスクの成功率を大幅に向上させる手法を提案した。
原題: Test-Time Graph Search for Goal-Conditioned Reinforcement Learning / Evgenii Opryshko, Junwei Quan, Claas Voelcker 他
日本語で読む → - 論文スキル発見機械学習
参照データに基づくスキル発見
参照データを用いて意味のある潜在空間でスキルを発見するRGSDを提案し、高次元ヒューマノイドの多様な動作生成とスタイル制御を実現した。
原題: Reference Grounded Skill Discovery / Seungeun Rho, Aaron Trinh, Danfei Xu 他
日本語で読む → - 論文転移学習機械学習
転移性推定メトリクスのベンチマークはこうすべきではない:静的リーダーボードを超えて現実的な評価へ
転移性推定メトリクスの評価に使われるベンチマークの欠陥を実証し、単純なヒューリスティックが高度な手法を上回ることを示して、より現実的なベンチマーク構築の指針を提案した。
原題: How NOT to benchmark your SITE metric: Beyond Static Leaderboards and Towards Realistic Evaluation / Prabhant Singh, Sibylle Hess, Joaquin Vanschoren
日本語で読む → - 論文モデルベース強化学習機械学習
計画としての時空間予測:生成的世界モデルを用いたモデルベース強化学習アプローチ
時空間予測をモデルベース強化学習の問題として捉え、生成的世界モデルとビーム探索による計画で非微分な評価指標を報酬として活用し、極端事象の捕捉精度を高める手法を提案した。
原題: Spatiotemporal Forecasting as Planning: A Model-Based Reinforcement Learning Approach with Generative World Models / Hao Wu, Yuan Gao, Xingjian Shi 他
日本語で読む → - 論文ベンチマーク評価機械学習
GDPval: 実世界の経済的に価値のあるタスクにおけるAIモデル性能の評価
米国の主要産業の実務タスクを集めたベンチマークGDPvalを提案し、最先端モデルが専門家に迫る性能を示すことを明らかにした。
原題: GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks / Tejal Patwardhan, Rachel Dias, Elizabeth Proehl 他
日本語で読む → - 論文マルチモーダル基盤モデルAI
マルチモーダル基盤モデルと世界モデルのギャップを埋める
マルチモーダル基盤モデルに因果推論や時空間推論などの構造的推論能力と、シーングラフやマルチモーダル条件付けによる制御可能な画像・動画・4D生成能力を付与し、世界モデルとしての機能に近づける手法を提案する。
原題: Bridging the Gap Between Multimodal Foundation Models and World Models / Xuehai He
日本語で読む → - 論文強化学習q-bio.NC
深層強化学習で訓練したRNNエージェントによるゼブラフィッシュ幼生の捕食行動の解析
深層強化学習で訓練したリカレントエージェントが、ゼブラフィッシュ幼生の捕食行動を再現し、その行動を生む最小限の制約条件を明らかにした。
原題: Dissecting Larval Zebrafish Hunting using Deep Reinforcement Learning Trained RNN Agents / Raaghav Malik, Satpreet H. Singh, Sonja Johnson-Yu 他
日本語で読む → - 論文部分観測強化学習機械学習
蒸留か決定か?部分観測強化学習におけるアルゴリズム的トレードオフの理解
部分観測強化学習において、特権的な潜在状態情報を用いた専門家蒸留と標準的な強化学習の間のトレードオフを理論モデルと実験で調査し、潜在ダイナミクスの確率性が選択に影響することを示した。
原題: To Distill or Decide? Understanding the Algorithmic Trade-off in Partially Observable Reinforcement Learning / Yuda Song, Dhruv Rohatgi, Aarti Singh 他
日本語で読む → - 論文強化学習機械学習
D2AC:拡散方策と分布型クリティックを融合した強化学習
拡散モデルベースの方策を安定してオンライン学習させるため、分布型RLとクリップ付き二重Q学習を組み合わせた頑健なクリティックを提案し、多数の難タスクで最高性能を達成した。
原題: D2 Actor Critic: Diffusion Actor Meets Distributional Critic / Lunjun Zhang, Shuo Han, Hanrui Lyu 他
日本語で読む →
PR・アフィリエイト広告
