論文の概要: Self-evolving Embodied AI

• arxiv url: http://arxiv.org/abs/2602.04411v1
• Date: Wed, 04 Feb 2026 10:40:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.483175
• Title: Self-evolving Embodied AI
• Title（参考訳）: 自己進化型体操AI
• Authors: Tongtong Feng, Xin Wang, Wenwu Zhu,
• Abstract要約: エンボディード・人工知能(英語: Embodied Artificial Intelligence、AI)は、エージェントとその環境によって、能動的知覚、具体的認知、行動相互作用を通じて形成されるインテリジェントなシステムである。 本稿では,エージェントが変化状態と環境に基づいて動作する新たなパラダイムである,自己進化型エンボディAIを紹介する。
• 参考スコア（独自算出の注目度）: 31.476861839032363
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embodied Artificial Intelligence (AI) is an intelligent system formed by agents and their environment through active perception, embodied cognition, and action interaction. Existing embodied AI remains confined to human-crafted setting, in which agents are trained on given memory and construct models for given tasks, enabling fixed embodiments to interact with relatively static environments. Such methods fail in in-the-wild setting characterized by variable embodiments and dynamic open environments. This paper introduces self-evolving embodied AI, a new paradigm in which agents operate based on their changing state and environment with memory self-updating, task self-switching, environment self-prediction, embodiment self-adaptation, and model self-evolution, aiming to achieve continually adaptive intelligence with autonomous evolution. Specifically, we present the definition, framework, components, and mechanisms of self-evolving embodied AI, systematically review state-of-the-art works for realized components, discuss practical applications, and point out future research directions. We believe that self-evolving embodied AI enables agents to autonomously learn and interact with environments in a human-like manner and provide a new perspective toward general artificial intelligence.
• Abstract（参考訳）: エンボディード・人工知能(英語: Embodied Artificial Intelligence、AI)は、エージェントとその環境によって、能動的知覚、具体的認知、行動相互作用を通じて形成されるインテリジェントなシステムである。 既存の実施AIは、エージェントが与えられたメモリでトレーニングされ、与えられたタスクのためのモデルを構築し、固定された実施者が比較的静的な環境と対話できるようにする、人為的な設定に限定されている。 このような方法は、変数のエボディメントと動的オープン環境によって特徴づけられる、ワイルドな設定では失敗する。 本稿では,記憶の自己更新,タスクの自己スイッチング,環境の自己予測,実施の自己適応,自己進化をモデルとした自己進化型AIを提案する。 具体的には、自己進化型AIの定義、フレームワーク、コンポーネント、メカニズムを提示し、実現されたコンポーネントのための最先端の作業を体系的にレビューし、実践的応用について議論し、今後の研究方向性を指摘する。 自己進化型インボディードAIは、エージェントが人間のような方法で自律的に学習し、環境と対話し、汎用人工知能に対する新たな視点を提供することができると信じている。

関連論文リスト

• Active Thinking Model: A Goal-Directed Self-Improving Framework for Real-World Adaptive Intelligence [0.11844977816228043]
  本稿では,目標推論,動的タスク生成,自己回帰学習を適応型アーキテクチャに統合する統合認知フレームワークを提案する。 数学的基盤を持つ理論解析により、ATMは外部の監督なしに、最適以下から最適な行動へと自律的に進化できることを示した。
  論文  参考訳（メタデータ） (2025-11-02T01:13:12Z)
• 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)
• AI Agent Behavioral Science [29.262537008412412]
  AIエージェント行動科学は、行動の体系的な観察、仮説をテストするための介入の設計、そしてAIエージェントが時間とともにどのように行動し、適応し、相互作用するかの理論的指導による解釈に焦点を当てている。 我々は、個々のエージェント、マルチエージェント、人間とエージェントのインタラクション設定にまたがる研究の体系化を行い、この視点が、公正さ、安全性、解釈可能性、説明責任、プライバシーを行動特性として扱うことによって、責任あるAIにどのように影響を与えるかを実証する。
  論文  参考訳（メタデータ） (2025-06-04T08:12:32Z)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• Building Artificial Intelligence with Creative Agency and Self-hood [0.0]
  本論文は,最終ページで紹介された論文の学術的概要について紹介する。 自己触媒ネットワークの形式的枠組みは、自己組織化された自己維持構造の起源をモデル化する手段を提供する。
  論文  参考訳（メタデータ） (2024-06-09T22:28:11Z)
• Life-inspired Interoceptive Artificial Intelligence for Autonomous and Adaptive Agents [0.7852714805965528]
  自律的な -- すなわち、ニーズに基づいて目標を選択する -- と適応性 -- は、絶え間なく変化する環境で生き残る — は、人工知能(AI)の聖杯だった。 ここでは、インターセプション(interoception)、すなわち、内部環境を監視して一定の範囲内に保持するプロセスに焦点を当てる。 インターセプションを備えたAIを開発するためには、内部環境を表す状態変数を外部環境から分解する必要がある。
  論文  参考訳（メタデータ） (2023-09-12T06:56:46Z)

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。