機械学習、人工知能、自然言語処理、コンピュータビジョン、マルチエージェント。
説明SegFormer に基づく採光率の空間予測モデル：遮蔽物の包括的エンコードと規制検証
要約本論文は、住宅における採光率（DF）の空間分布を、BIM 環境内でモデルを書き出さずに数秒で予測する機械学習手法を提案しています。約 2 万の合成室で学習し、18 棟の実建物の 102 室で検証しています。既定材料版は、スウェーデンの BBR および ノルウェーの TEK17 への適合判定で比較的小さな誤差を示しました。著者は、既定材料版を初期の採光検討に用いることを推奨し、カスタム材料版は最終的な適合確認の前にさらなる開発が必要としています。
説明リーマン多様体上の生成モデル評価において幾何構造が与える影響
要約本論文は、リーマン多様体上で生成モデルを評価する際に、曲率と次元が距離や評価結果にどう影響するかを検討しています。Wasserstein 距離と MMD について、測地線、環境空間、接空間の各版を体系的に比較し、制御されたノイズ摂動と Riemannian Flow Matching のサンプルを用いて実験を行っています。どの指標も全条件で信頼できるわけではないことが示され、評価距離の報告方法、指標の種類の比較、サンプルの幾何に合わせた指標の調整についての実践的な提言が示されています。
説明効率的な流体アンテナシステムのための代表ポート部分集合の学習
要約流体アンテナシステム（FAS）は多数の候補ポートを提供しますが、チャネルの実現ごとにすべてのポートを探索するとオンラインの負荷が大きくなります。本論文は、候補ポート空間を一度オフラインで圧縮し、その圧縮集合を以後のチャネル実現で再利用する方法を検討します。学習用のサンプルから最適ポートを集め、各実現で候補ポートを一度走査するだけで済みます。49個の候補ポートを持つDeepMIMO 7×7のFASでは、120の学習サンプルから平均27個の代表ポートが得られ、全探索によるポート選択で得られるチャネル電力利得の99.995%を保持しました。
説明LLMマルチエージェントにおける戦略的キャリブレーション：真実な報告を引き出す監査付きピボット採点
要約大規模言語モデル（LLM）ベースのマルチエージェントシステムでは、各エージェントが報告する確信度が下流の注意・計算資源の配分を左右するため、報告自体が戦略的になります。本論文は監査付きピボット採点機構（APSM）を提案し、プラットフォーム側の配分利益の相殺、逆確率重み付きの疎な監査、Clarkeピボット外部性の徴収、厳密適切スコアを組み合わせます。述べられた仮定の下で真実な報告が唯一の最適応答であることを示します。Top-K型のインセンティブではLLMエージェントが確信度を過大に報告しますが、APSMは歪みを減らし、逸脱行動に対する効用の余裕を拡大し、近似実行下での頑健性を高めることが実験で示されています。
説明人間のフィードバックを活用したマルチエージェント逆強化学習による相互作用型運転行動のモデル化
要約本論文は、混合交通における運転者の潜在的な報酬を推定するHFG-MAIRLフレームワークを提案します。各車両と直接相互作用する近傍車両を局所的なマルコフゲームとしてモデル化し、有限回の周辺応答反復で結合行動を近似することで、全結合行動空間の列挙を避けます。また、Bradley-Terryの尤度を用いて人間のフィードバックを順序的な選好の監督として組み込みます。実験ではドライバーの感情ラベルをこのフィードバックの一例として用いています。AIDEデータセットでの実験では、代表的な逆強化学習の基準手法より決定のモデル化で優れた結果が示されました。
説明粗い観測から細かいスケールのPDE軌道を再構成する潜在ダイナミクス手法
要約本論文は、空間と時間で間引かれたシミュレーションから高解像度の軌道を再構成するフレームワーク、Structured Latent Dynamics（SLD）を提案しています。入力の時間補間、学習された時間補正、粗いグリッド上の隠れ状態の更新を組み合わせ、ハール・ウェーブレット合成で高解像度場を出力します。Gray–Scott、複素Ginzburg–Landau、粘性Burgersの各系で、25フレームの入力から100フレームを再構成し、比較対象より低い誤差を報告しています。
説明RoboJev：ロボット作業の成否判定のためのオープンな視覚言語判定モデル
要約本論文は、タスク指示とロボット操作の数フレームを入力として、作業が成功したかどうかを判定する、重みが公開された視覚言語モデルRoboJev-27Bを紹介しています。JEV-27B-VLをもとに学習され、SO-101ロボットの未使用エピソード268件で平衡精度95.2%、AUROC 0.993を記録しました。未知の研究室・ロボットのデータにも一定の汎化性能を示し、推論コードと予測結果も公開されています。
