本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明LatentTriad：悪意あるエージェントスキル検出のための行動前リスク表現
要約大規模言語モデルエージェントは再利用可能なスキルで機能を拡張することが増えていますが、信頼できないスキルの内容がユーザーのタスク外の操作を引き起こす恐れがあります。本研究では、プリフィル段階で形成される隠れ状態に、タスクと操作の整合性に関する読み取り可能な情報が含まれることを見出しました。これに基づき、LatentTriadを提案します。この手法は文脈的な境界特徴、グループ調整された操作方向、良性状態との関係からの逸脱を組み合わせ、すべての分岐が一度のプリフィルを共有します。検出では出力トークンを生成せず、ツールも呼び出さず、スキルコードも実行しません。
説明環境変化下での視覚的マルチセッション位置合わせのためのスパースアンカー
要約この論文は、同じ環境で繰り返しロボットが記録したデータを、既存の参照地図に位置合わせする問題を扱う。視覚的場所認識、局所特徴の対応付け、幾何学的検証で絶対姿勢の候補を得た後、系列の一貫性で矛盾する候補を除き、信頼できるアンカーを残す。それらを、セッション内の相対姿勢と組み合わせて頑健な姿勢グラフ最適化を行う。HILTI26建設現場データセットの15の実験では、1m以内の再現率が94.4%、5m以内が100.0%となり、独立した画像定位や直接的な位置合わせを上回った。
説明深層画像特徴の多様体埋め込みとニューラル随伴写像による画像マッチング手法
要約本論文は、実世界画像における同カテゴリの異なる物体インスタンス間の意味的対応付けを扱います。3次元形状マッチングで用いられる関数写像を画像マッチングに適用し、有限要素法のGalerkin法により深層画像特徴の多様体埋め込みから離散ラプラス・ベルトラミ作用素を導出して、画像格子に多様体構造を与えます。さらに非線形写像を表現するニューラル随伴写像を導入しています。著者らは、複数の実世界画像の稠密対応ベンチマークで、ゼロショット画像対応手法の中で新たな最先端の結果を示したとしています。
説明CRONOS：ロボット操作のための非エピソード型強化学習ベンチマーク
要約本論文は、非エピソード型のシーンリセット条件下で視覚・言語・行動（VLA）モデルを強化学習で微調整するためのシミュレーションベンチマーク「CRONOS」を提案しています。事前学習済みポリシーを単純に微調整すると、物体配置やエンドエフェクタの姿勢のずれにより非エピソード設定で失敗することが示されています。ただし、重点的なリセット配分と事前学習モデルのバイアスへの対処によって、この課題は緩和できるとされています。さらに、非エピソード型の学習は長期的な操作能力を高め、未見の物体配置やタスク列への汎化を改善すると報告されています。
説明自動運転の端末間計画における、ロールアウト不要のワールドモデルによる軌道評価
要約本論文は、エンドツーエンド自動運転の軌道評価のためのロールアウト不要のワールドモデルRFWorldを提案している。候補軌道ごとに将来のシーン全体を予測する代わりに、共有シーンメモリを構築し、候補軌道がそこから疎な空間読み出しで情報を取得して評価を行う。これにより推論計算量を削減し、再帰的な予測誤差を避けるとされる。論文はNAVSIMとBench2Driveで最先端の性能を達成したと報告している。
説明VIGOR：マルチモーダル離散拡散言語モデルの幻覚抑制のための視覚利得順序付け手法
要約マルチモーダル離散拡散言語モデルは、反復的なマスク予測によって応答を生成しますが、画像に十分根差していない幻覚がなお生じます。本論文は、学習を必要とせず既存モデルに組み込めるVIGORを提案します。各ノイズ除去ステップで、元画像を条件とする場合と視覚情報を消去した場合の各候補トークンの確信度を比較し、画像によってより強く支持される位置を優先して処理します。著者らは、LLaDA-VとLumina-DiMOOでの実験により、VIGORが幻覚を一貫して減らし、マルチモーダル推論の性能を向上させると報告しています。
説明FloMo：人間の動画から学習するための世界行動モデルの中間表現としての3Dシーンフロー
要約本論文は、50億パラメータの動画生成モデルを微調整し、3Dシーンフローと行動トークンを予測するFloMoを提案している。シーンフローをRGBとして描画し動画と同じ潜在空間に符号化することで、事前学習済みの動画生成モデルが効率的に3Dシーンフローの予測へ適応できるとしている。動作ラベルのない人間の動画とロボットの遠隔操作データで共同学習させ、未知の物体、運動プリミティブ、タスクへの汎化を示している。
説明エージェント型ポリシーは毎ステップ画像を見る必要があるか？推論と行動のための幾何学的抽象化
要約本論文は、毎ステップの生画像による推論を、三次元幾何学的抽象化によるテキスト・記号表現に置き換える手法を提案しています。型付きの記号参照で物体部位を表し、較正済みRGB-Dデータに基づいて定位し、各動作後に計量残差を含む簡潔なテキストチェックポイントを返します。テキストと記号に基づく推論により多段階の操作完了率が向上し、繰り返しのマルチモーダル問い合わせが大幅に減ったと報告されています。
説明タンパク質アンサンブル生成モデルの設計要素を構造タイプ別に検証した研究
要約本論文は、タンパク質の立体構造アンサンブルを生成するモデルの設計を検討しています。著者らは、簡略化したCα流マッチングモデルを用い、アーキテクチャ、配列条件付け、剛体アライメント、学習データの選択を個別に除去して比較しました。評価には実験のSAXSおよびNMR化学シフトデータを用い、秩序・無秩序・多ドメイン・移行状態のタンパク質ごとに分けて検証しています。結果として、ネットワーク構造よりも学習データが主な制約であることが示されています。
説明靴の変化に対する頑健性の学習可能性：未知の履物条件下での足跡認識
要約本論文は、圧力または力センサー付きの歩道で自然歩行時に取得した足跡パターンによる生体認識を扱い、登録時と異なる未知の履物で認識する場合を検討しています。著者らはBiStepNetを提案し、空間と時間の個人識別手がかりを独立に学習できる2つのストリームに分解することで、StepUP-P150データセットにおいて小型の3D時空間ベースラインを上回る性能を示しました。跨履物認識の性能は、学習集合の履物の量と多様性に応じて体系的に向上し、部分的にモダリティが重なる補助的な歩行データを用いることで未知の履物への頑健性をさらに高められることも示しています。
説明重イオン衝突における直接光子収量と楕円流へのパートン対相関の影響
要約本論文は、重イオン衝突で放出される光子を生むパートン同士の相関が、直接光子の収量と楕円流にどう影響するかを検討している。局所的な2→2光子反応率は入射パートンの同時分布に依存するため、媒質粒子の一粒子分布を変えずに光子放出が変わりうると述べている。Au+AuおよびPb+Pb衝突の時間発展する媒質に対してこの相関を畳み込むと、光子収量はPHENIXとALICEの測定データに近づき、中間横運動量領域でv2が増加する。
説明位置エンコーディングで等変制約を緩和し拡張性を高める手法の論文
要約等変ニューラルネットワークは学習中に厳密な対称性制約がかえって最適化を難しくする場合があり、従来は学習時に非等変な全結合層を加えて制約を緩和する手法が提案されていました。本論文は、学習可能なスケールを持つ位置エンコーディングを注入して元の対称性を崩し、その信号を学習の過程で徐々にゼロへ退避させ、最終的に元の等変モデルに戻す方法を提案しています。著者らは、並進および回転に対する等変モデルで、計算量とメモリの増加がわずかなまま大きな改善が得られたと報告しています。
説明ALBI：大規模言語モデルが反復的な生成・検証・制約のサイクルで導く帰納論理プログラミング
要約本論文は、LFF（失敗からの学習）パradigmのASPベースの仮説生成器を大規模言語モデル（LLM）に置き換え、形式的検証器としてSWI-Prologを残す神経記号的ILPフレームワーク「ALBI」を提案している。LLMが候補仮説を提案し、Prologが各候補を検証し、その診断フィードバックをもとに改良を繰り返す仕組みである。標準的なILPベンチマーク30件で、3つの最先端LLMがいずれも100%の成功率を達成し、平均1.4〜1.7回の反復で済んだ。意味的匿名化の下でも成功率は100%を維持した。
説明ToolSpace：長期タスク向けエージェントのためのツール中心環境合成のスケーリング手法
要約本論文は、実際のMCPサービスと実行トレースから隣接するツール呼び出し間のデータ・状態・再試行の依存関係を決定的ルールで抽出し、ツール組み合わせグラフをクラスタリングして環境を構成するToolSpaceを提案する。状態を考慮した探索で初期状態から再生可能なタスクのみを残す。複数の長期ツール利用ベンチマークで、Qwen3.6-35B-A3BやGLM-5.2などの平均スコアを大きく向上させた。
注目点ツール中心で実行トレースから依存関係を抽出し環境を合成する点に新規性があり、摘要は七つのベンチマークでの向上を報告している。
説明混合スキュー下での医用画像分類のためのフェデレーテッド転移学習
要約本論文は、多施設の医療データに生じる特徴・ラベル・概念・数量の混合スキューによる連合学習の課題に取り組みます。事前学習済みバックボーンに基づく個別化連合学習フレームワークPAFPを提案し、微調整ブロックの前にクライアントごとの特徴整列モジュールを挿入して、隠れ特徴分布をサーバーで集約した目標へ整列させます。FedISICベンチマークでは、未加重の平均バランス精度が最も高く、クライアント間の性能分散は最強のベースラインと比べて約6分の1に低減されました。
説明その効果は誰のものか？目的関数が学習済み部分空間介入を過大評価する仕組み
要約本論文は、言語モデルの内部状態の一部を別の入力へコピーし、出力の変化の大きさで概念の所在を探る解釈可能性の手法（activation patching）を扱います。著者らは、直交する部分の効果は一次近似で全体の効果の和に等しいことを証明し、学習された部分が全体を上回るのは残りの部分が出力を押し戻すためであることを示します。出力効果を最大化する目的関数はそのような部分を選び、ネットワークの実際の出力を対象とする目的に変えると過剰な効果の大部分が消えると報告しています。
説明ポート・ハミルトン系の同定における モデル表現と当てはめ手法の比較
要約ポート・ハミルトンモデルは、蓄積エネルギー、散逸、外部入力を分けて物理系を記述します。本論文では、この系の各成分をニューラルネットワーク、解析式、およびその組み合わせで表現する方法を比較し、勾配ベース最適化とスパース回帰によるモデル当てはめを比べます。機械系と電気系のシミュレーション（ノイズの有無を含む）で試験し、各手法の予測精度と計算コストを示しています。
説明DRAP：物理AIの継続学習のための動力学リスク適応型可塑性手法
要約本論文は、物理AIにおける継続学習の課題を扱い、方策の小さなステップごとの誤差が軌道上で蓄積し、最終的に閉ループでのタスク失敗につながる点を指摘しています。リプレイを用いないDRAPを提案し、局所的な軌道増幅リスクで重み付けした勾配から各モデルテンソルの過去の重要度を推定します。OpenVLAの部分ネットワークでLIBERO Spatial、Object、Goalの各スイートを用いて評価した結果、標準的なAdamW微調整やEWCと比べ、既習の振る舞いの保持が大きく改善され、新スイートの習得も良好に保たれたと報告しています。
説明マルチロボットシステムの触覚共有制御：操作者が力覚フィードバックで群れを複数の規模で導く手法
要約本論文は、視野が限られたセンサーを用い、各ロボットが自身の局所座標系で計測できるよう、全体的な連結性維持アルゴリズムを改良したものです。これを単一エージェント制御、ピニング制御、重心制御の3つの適応的監視戦略と組み合わせ、操作者が群れ全体を異なるスケールで制御できるようにしています。これらの手法はエージェント間の制約を満たしつつ、システムの連結状態に関する触覚フィードバックを利用者に提供します。各制御モードに合わせた複数のシナリオで、触覚フィードバックの有無による性能をユーザー調査で比較し、有効性を評価しました。
説明スマートフォンGPU上の深層学習によるRGB写真強化：Mobile AI 2026チャレンジ報告書
要約本論文はMobile AI 2026チャレンジの報告書で、QualcommとArmのスマートフォンGPUで動作する高速なRGB写真強化モデルの設計が参加者に求められました。参加者にはiPhone 3GSとプロ用Canon 70D一眼レフで撮影された画像ペアからなるDPEDデータセットが提供されました。Snapdragon 8 Elite Gen 5とDimensity 9500で評価され、上位の解法はフルHD画像を両プラットフォームで300ミリ秒以内に強化できました。
説明有限スペクトル深さがガウス入口ランクと勾配流の第一鞍点の回避をどう制御するか（行列分解モデルで、ニュートン・シュルツ反復による学習初期の挙動を調べた研究）
要約本論文は行列分解を単純なモデルとして、小さな初期化の下での学習ダイナミクスを扱います。正規化された行列勾配に有限回のNewton-Schulz反復を適用する連続時間のダイナミクス（Muon）を検討しています。反復回数によって学習初期に選ばれるランクが変わり、勾配流が近づく最初の非零定常点を迂回しうることを示します。追加の残差慣性条件のもとで、十分大きな有限の反復深さでは迂回が起きることを証明し、明示的な十分条件の閾値を与えています。さらに、迂回閾値が4となる例も構成しています。