論文の概要: Embodied Co-Design for Rapidly Evolving Agents: Taxonomy, Frontiers, and Challenges

• arxiv url: http://arxiv.org/abs/2512.04770v1
• Date: Thu, 04 Dec 2025 13:12:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:46.175375
• Title: Embodied Co-Design for Rapidly Evolving Agents: Taxonomy, Frontiers, and Challenges
• Title（参考訳）: 急速進化するエージェントのための身体的共同設計--分類学、フロンティア、課題
• Authors: Yuxing Wang, Zhiyu Chen, Tiantian Zhang, Qiyue Yin, Yongzhe Chang, Zhiheng Li, Liang Wang, Xueqian Wang,
• Abstract要約: Embodied Co-Design (ECD) は知的エージェントを作成するための変換パラダイムである。 ECDの最近の進歩を体系的に概観する。 シミュレーションおよび実世界のシナリオの両方において、注目すべきベンチマーク、データセット、アプリケーションについてレビューする。
• 参考スコア（独自算出の注目度）: 23.059407714456274
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Brain-body co-evolution enables animals to develop complex behaviors in their environments. Inspired by this biological synergy, embodied co-design (ECD) has emerged as a transformative paradigm for creating intelligent agents-from virtual creatures to physical robots-by jointly optimizing their morphologies and controllers rather than treating control in isolation. This integrated approach facilitates richer environmental interactions and robust task performance. In this survey, we provide a systematic overview of recent advances in ECD. We first formalize the concept of ECD and position it within related fields. We then introduce a hierarchical taxonomy: a lower layer that breaks down agent design into three fundamental components-controlling brain, body morphology, and task environment-and an upper layer that integrates these components into four major ECD frameworks: bi-level, single-level, generative, and open-ended. This taxonomy allows us to synthesize insights from more than one hundred recent studies. We further review notable benchmarks, datasets, and applications in both simulated and real-world scenarios. Finally, we identify significant challenges and offer insights into promising future research directions. A project associated with this survey has been created at https://github.com/Yuxing-Wang-THU/SurveyBrainBody.
• Abstract（参考訳）: 脳-体共進化は、動物が環境に複雑な振る舞いを発達させることを可能にする。 この生物学的相乗効果にインスパイアされた共設計(ECD)は、仮想生物から物理的ロボットへ、制御を独立して扱うのではなく、その形態とコントローラを協調的に最適化するインテリジェントなエージェントを作成するための変革的パラダイムとして登場した。 この統合されたアプローチは、より豊かな環境相互作用と堅牢なタスクパフォーマンスを促進する。 本調査では,近年のECDの進歩を体系的に概観する。 まず、ECDの概念を定式化し、関連する分野に配置する。 次に、階層的な分類を導入する:エージェント設計を3つの基本的なコンポーネント制御脳、身体形態、タスク環境に分解する下層と、これらのコンポーネントを4つの主要なECDフレームワーク(バイレベル、シングルレベル、ジェネレーティブ、オープンエンド)に統合する上層である。 この分類学は、100以上の最近の研究から洞察を合成することができる。 さらに、シミュレーションと実世界のシナリオの両方において、注目すべきベンチマーク、データセット、アプリケーションについてレビューします。 最後に、重要な課題を特定し、将来有望な研究方向性についての洞察を提供する。 この調査に関連するプロジェクトはhttps://github.com/Yuxing-Wang-THU/SurveyBrainBody.comで作成されている。

関連論文リスト

• Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective [53.556348738917166]
  エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムにつながっている。 人間の空間知能は、統合された多感覚知覚、空間記憶、認知マップに根ざし、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-09-11T05:23:22Z)
• The Physical Basis of Prediction: World Model Formation in Neural Organoids via an LLM-Generated Curriculum [0.0]
  人間の神経オルガノイドを訓練するために設計された3つのスケーラブルでクローズドループ仮想環境のカリキュラムを提示する。 意思決定を成功させるために、より高度な世界モデルを求める3つの異なるタスク環境の設計について詳述する。 この研究は、モデルに基づく強化学習と計算神経科学のギャップを埋め、実施、意思決定、および知性の物理的基盤を研究するためのユニークなプラットフォームを提供する。
  論文  参考訳（メタデータ） (2025-09-04T19:51:00Z)
• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)
• Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
  大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。 本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。 私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
  論文  参考訳（メタデータ） (2025-03-27T12:50:17Z)
• Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [116.8199519880327]
  人工知能(Embodied AI)は、人工知能(AGI)の実現に不可欠である 本調査では,Embodied AIの最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2024-07-09T14:14:47Z)
• Brain-Conditional Multimodal Synthesis: A Survey and Taxonomy [18.130004804879896]
  マルチモーダル合成技術の鍵となるのは、異なるモーダル間のマッピング関係を確立することである。 ブライアン条件多重モーダル合成(Brian-conditional multimodal synthesis)とは、脳の信号を知覚経験に復号することである。 この調査は、AIGC-Brainと呼ばれる、AIGCベースのBrain-conditional Multimodal Synthesisの出現する分野を包括的に調査する。
  論文  参考訳（メタデータ） (2023-12-31T09:00:40Z)
• Towards the Neuroevolution of Low-level Artificial General Intelligence [5.2611228017034435]
  我々は、AI(Artificial General Intelligence, AGI)の検索は、人間レベルの知能よりもはるかに低いレベルから始まるべきだと論じる。 我々の仮説は、エージェントが環境の中で行動するとき、学習は感覚フィードバックによって起こるというものである。 環境反応から学習する生物学的にインスパイアされた人工ニューラルネットワークを進化させる手法を評価する。
  論文  参考訳（メタデータ） (2022-07-27T15:30:50Z)

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。