論文の概要: Designing Tools with Control Confidence

• arxiv url: http://arxiv.org/abs/2510.12630v1
• Date: Tue, 14 Oct 2025 15:27:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.371001
• Title: Designing Tools with Control Confidence
• Title（参考訳）: 制御信頼によるツール設計
• Authors: Ajith Anil Meera, Abian Torres, Pablo Lanillos,
• Abstract要約: ロボットのためのタスク条件自律型ハンドツール設計のための最適化ルーチンに、ニューラルインスパイアされた制御信頼項を導入する。 ツール使用時の環境不確実性に対して、制御信頼度で設計されたツールは、純粋な精度駆動の目的よりも、より堅牢であることを示す。 自律ツール設計のためのCMAESに基づく進化的最適化戦略は、他の最先端技術よりも優れています。
• 参考スコア（独自算出の注目度）: 0.5161531917413708
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Prehistoric humans invented stone tools for specialized tasks by not just maximizing the tool's immediate goal-completion accuracy, but also increasing their confidence in the tool for later use under similar settings. This factor contributed to the increased robustness of the tool, i.e., the least performance deviations under environmental uncertainties. However, the current autonomous tool design frameworks solely rely on performance optimization, without considering the agent's confidence in tool use for repeated use. Here, we take a step towards filling this gap by i) defining an optimization framework for task-conditioned autonomous hand tool design for robots, where ii) we introduce a neuro-inspired control confidence term into the optimization routine that helps the agent to design tools with higher robustness. Through rigorous simulations using a robotic arm, we show that tools designed with control confidence as the objective function are more robust to environmental uncertainties during tool use than a pure accuracy-driven objective. We further show that adding control confidence to the objective function for tool design provides a balance between the robustness and goal accuracy of the designed tools under control perturbations. Finally, we show that our CMAES-based evolutionary optimization strategy for autonomous tool design outperforms other state-of-the-art optimizers by designing the optimal tool within the fewest iterations. Code: https://github.com/ajitham123/Tool_design_control_confidence.
• Abstract（参考訳）: 先史時代の人類は、ツールの即時ゴールコンプリート精度を最大化するだけでなく、同様の設定で使うためのツールに対する信頼を高めることで、特殊なタスクのための石器を発明した。 この要因はツールの堅牢性、すなわち環境不確実性の下での最小性能逸脱の増大に寄与した。 しかし、現在の自律ツール設計フレームワークは、繰り返し使用するツール使用に対するエージェントの信頼を考慮せずに、パフォーマンス最適化のみに依存している。 ここでは、このギャップを埋めるための一歩を踏み出します。 一 ロボットの作業条件自律型ハンドツール設計のための最適化枠組みを定義すること。 二 エージェントがより堅牢なツールを設計するのを手助けする最適化ルーチンに、神経刺激による制御信頼度項を導入する。 ロボットアームを用いた厳密なシミュレーションにより, ツール使用時の環境不確実性に対して, 制御信頼度を目標として設計したツールが, 純粋な精度駆動目標よりも頑健であることを示す。 さらに,ツール設計の目的関数に制御信頼性を加えることで,制御摂動下における設計ツールの頑健性と目標精度のバランスがとれることを示す。 最後に、我々のCMAESに基づく自動ツール設計の進化的最適化戦略が、最も少ないイテレーションで最適なツールを設計することで、他の最先端のオプティマイザよりも優れていることを示す。 コード:https://github.com/ajitham123/Tool_design_control_confidence。

関連論文リスト

• Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environments [70.42705564227548]
  大規模言語モデル(LLM)のための環境自動構築パイプラインを提案する。 これにより、外部ツールに頼ることなく、詳細な測定可能なフィードバックを提供する高品質なトレーニング環境の作成が可能になる。 また、ツール使用の精度とタスク実行の完全性の両方を評価する検証可能な報酬機構も導入する。
  論文  参考訳（メタデータ） (2025-08-12T09:45:19Z)
• Acting Less is Reasoning More! Teaching Model to Act Efficiently [87.28134636548705]
  ツール統合推論は、タスクを解決するために外部ツールを呼び出す機能によって、大きな言語モデルを拡張します。 現在のアプローチは、外部ツールの使用効率や必要性を考慮せずに、最終的な正確性のためにのみ最適化されている。 最小限のツールコールで正確な回答をモデルに提示するフレームワークを提案する。 このアプローチでは,ツールコールを最大68.3%削減し,ツールの生産性を最大215.4%向上すると同時に,同等の回答精度を維持している。
  論文  参考訳（メタデータ） (2025-04-21T05:40:05Z)
• ToolACE-R: Model-aware Iterative Training and Adaptive Refinement for Tool Learning [84.69651852838794]
  ツール学習により、LLM(Large Language Models)は複雑なユーザタスクを解決するための外部ツールを活用することができる。 本稿では,ツール学習のための反復学習と適応的洗練の両方を含む新しいフレームワークであるToolACE-Rを提案する。 我々は、いくつかのベンチマークデータセットにわたる広範な実験を行い、ToolACE-Rが高度なAPIベースのモデルと比較して、競争力のあるパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2025-04-02T06:38:56Z)
• SMART: Self-Aware Agent for Tool Overuse Mitigation [58.748554080273585]
  現在のLarge Language Model (LLM) エージェントは、強力な推論とツールの使用能力を示すが、しばしば自己認識に欠ける。 この不均衡はツール・オーバーユースにつながり、モデルはパラメトリックな知識を持つタスクに対して、不要に外部ツールに依存する。 SMART(Strategic Model-Aware Reasoning with Tools)は、エージェントの自己認識を高め、タスクハンドリングを最適化し、ツールの過剰使用を減らすパラダイムである。
  論文  参考訳（メタデータ） (2025-02-17T04:50:37Z)
• Confidence-Aware Decision-Making and Control for Tool Selection [1.550120821358415]
  意思決定には、パフォーマンスに関する自己評価が不可欠です。 本稿では,ロボットが自己自信を制御し,より優れたインフォームド決定を行うことを可能にする数学的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-03-06T15:59:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。