論文の概要: ARYA: A Physics-Constrained Composable & Deterministic World Model Architecture
- arxiv url: http://arxiv.org/abs/2603.21340v1
- Date: Sun, 22 Mar 2026 17:46:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.365901
- Title: ARYA: A Physics-Constrained Composable & Deterministic World Model Architecture
- Title（参考訳）: ARYA: 物理制約のある構成可能で決定論的世界モデルアーキテクチャ
- Authors: Seth Dobrin, Lukasz Chmiel,
- Abstract要約: ARYAは5つの基本原理に基づいて構築された、構成可能で、物理に制約のある、決定論的世界モデルアーキテクチャである。
ARYAは、状態表現、動的予測、因果的および物理的認識、時間的一貫性、一般化、学習可能性、計画と制御を含むすべての標準的な世界モデル要件を満たす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents ARYA, a composable, physics-constrained, deterministic world model architecture built on five foundational principles: nano models, composability, causal reasoning, determinism, and architectural AI safety. We demonstrate that ARYA satisfies all canonical world model requirements, including state representation, dynamic prediction, causal and physical awareness, temporal consistency, generalization, learnability, and planning and control. Unlike monolithic foundation models, the ARYA foundation model implements these capabilities through a hierarchical system-of-system-of-systems of specialized nano models, orchestrated by AARA (ARYA Autonomous Research Agent), an always-on cognitive daemon that executes a continuous sense-decide-act-learn loop. The nano model architecture provides linear scaling, sparse activation, selective untraining, and sub-20-second training cycles, resolving the traditional tension between capability and computational efficiency. A central contribution is the Unfireable Safety Kernel: an architecturally immutable safety boundary that cannot be disabled or circumvented by any system component, including its own self-improvement engine. This is not a social or ethical alignment statement; it is a technical framework ensuring human control persists as autonomy increases. Safety is an architectural constraint governing every operation, not a policy layer applied after the fact. We present formal alignment between ARYA's architecture and canonical world model requirements, and report summarizing its state-of-the-art performance across 6 of 9 competitive benchmarks head-to-head with GPT-5.2, Opus 4.6, and V-JEPA-2. All with zero neural network parameters, across seven active industry domain nodes spanning aerospace, pharma manufacturing, oil and gas, smart cities, biotech, defense, and medical devices.
- Abstract（参考訳）: 本稿では, ナノモデル, 構成可能性, 因果推論, 決定論, アーキテクチャAI安全という5つの基本原理に基づいて構築された, 構成可能, 物理制約, 決定論的世界モデルアーキテクチャであるARYAを提案する。
本研究では, 状態表現, 動的予測, 因果的・物理的認識, 時間的一貫性, 一般化, 学習可能性, 計画と制御など, 標準的な世界モデルの要件をすべて満たしていることを示す。
モノリシック基盤モデルとは異なり、ARYAファウンデーションモデルは、AARA(aryA Autonomous Research Agent)によって編成された、特定のナノモデルの階層的なシステム・オブ・システムを通じてこれらの機能を実装している。
ナノモデルアーキテクチャは、線形スケーリング、スパースアクティベーション、選択的アントレーニング、20秒以下のトレーニングサイクルを提供し、能力と計算効率の伝統的な緊張を解消する。
アーキテクチャ上不変の安全境界は、独自の自己改善エンジンを含むあらゆるシステムコンポーネントによって無効化または回避できない。
これは社会的または倫理的なアライメントの声明ではなく、自律性が増大するにつれて人間のコントロールが持続することを保証する技術的な枠組みである。
安全はすべての操作を統制するアーキテクチャ上の制約であり、その後に適用されるポリシーレイヤではない。
本稿では,ARYAのアーキテクチャと標準世界モデル要件の整合性を示すとともに,GPT-5.2,Opus 4.6,V-JEPA-2を用いて,9つの競合ベンチマークのうち6つで最先端性能を要約する。
いずれもゼロのニューラルネットワークパラメータを持ち、航空宇宙、製薬、石油、ガス、スマートシティ、バイオテクノロジー、防衛、医療機器にまたがる7つのアクティブな産業ドメインノードにまたがる。
関連論文リスト
- The Trinity of Consistency as a Defining Principle for General World Models [106.16462830681452]
一般世界モデルは、客観的物理法則を学習し、シミュレートし、推論することができる。
本稿では,一般世界モデルに必要な基本的特性を定義するための理論的枠組みを提案する。
我々の研究は、現在のシステムの限界と将来の進歩のためのアーキテクチャ要件の両方を明確にし、一般的な世界モデルへの原則的な経路を確立します。
論文 参考訳（メタデータ） (2026-02-26T16:15:55Z) - RISE: Self-Improving Robot Policy with Compositional World Model [52.227523057681786]
我々は、想像力によるロボット強化学習のスケーラブルなフレームワークRISEを紹介する。
中心となるのは構成的世界モデルであり、制御可能なダイナミクスモデルを通じて多視点の未来を予測し、(ii)進捗値モデルを用いて想像結果を評価する。
これらのコンポーネントはクローズドループの自己改善パイプラインに統合され、虚構のロールアウトを継続的に生成し、利点を推定し、コストのかかる物理的相互作用なしに虚構空間のポリシーを更新する。
論文 参考訳（メタデータ） (2026-02-11T17:43:36Z) - Engineering AI Agents for Clinical Workflows: A Case Study in Architecture,MLOps, and Governance [0.21748200848556345]
我々は、ヒューマン・イン・ザ・ループ(Human-in-the-Loop)ガバナンスモデルが、単に安全チェックとしてだけでなく、継続的な改善のための重要なイベント駆動データソースとして技術的に統合されていることを示す。
我々は、このプラットフォームをリファレンスアーキテクチャとして提示し、メンテナンス可能でスケーラブルで説明可能なAI対応システムを高レベルなドメインで構築するエンジニアに実践的な教訓を提供する。
論文 参考訳（メタデータ） (2026-01-31T14:33:57Z) - From Accuracy to Impact: The Impact-Driven AI Framework (IDAIF) for Aligning Engineering Architecture with Theory of Change [0.40611352512781873]
インパクト駆動型AIフレームワーク(IDAIF、Impact-Driven AI Framework)は、変化の理論(ToC)と現代の人工知能システム設計を統合する新しいアーキテクチャ方法論である。
IDAIFは、ToCの5段階モデルと対応するAIアーキテクチャレイヤの体系的なマッピングを確立することで、このギャップに対処する。
3つのケーススタディは、医療、サイバーセキュリティ、ソフトウェアエンジニアリングドメインにまたがるIDAIFアプリケーションを実証している。
論文 参考訳（メタデータ） (2025-12-09T10:21:02Z) - CRACI: A Cloud-Native Reference Architecture for the Industrial Compute Continuum [0.0]
本稿では,産業計算連続体のためのクラウドネイティブな参照アーキテクチャであるCRACIを紹介する。
分離されたイベント駆動モデルを促進し、連続体をまたいだ柔軟な非階層的なデータフローを可能にする。
論文 参考訳（メタデータ） (2025-09-09T08:24:08Z) - ANNIE: Be Careful of Your Robots [48.89876809734855]
エンボディドAIシステムに対する敵の安全攻撃に関する最初の体系的研究について述べる。
すべての安全カテゴリーで攻撃の成功率は50%を超えている。
結果は、実証済みのAIシステムにおいて、これまで未調査だったが、非常に連続的な攻撃面を露呈する。
論文 参考訳（メタデータ） (2025-09-03T15:00:28Z) - World Models for Cognitive Agents: Transforming Edge Intelligence in Future Networks [55.90051810762702]
本稿では,世界モデルを概観し,そのアーキテクチャ,トレーニングパラダイム,予測,生成,計画,因果推論といった応用を概観する。
ワイヤレスエッジインテリジェンス最適化に適した,新しい世界モデルに基づく強化学習フレームワークであるWireless Dreamerを提案する。
論文 参考訳（メタデータ） (2025-05-31T06:43:00Z) - AI in a vat: Fundamental limits of efficient world modelling for agent sandboxing and interpretability [84.52205243353761]
最近の研究は、世界モデルを使用して、AIエージェントをデプロイ前にテストできる制御された仮想環境を生成することを提案する。
評価対象のAIエージェントに非依存な世界モデルを簡単にする方法を検討する。
論文 参考訳（メタデータ） (2025-04-06T20:35:44Z) - Conceptual Framework for Autonomous Cognitive Entities [0.9285295512807729]
本稿では,認知アーキテクチャの新しいフレームワークである自律認知エンティティモデルを紹介する。
このモデルは、大規模言語モデル(LLM)やマルチモーダル生成モデル(MMM)など、最新の生成AI技術の能力を活用するように設計されている。
ACEフレームワークには、障害の処理とアクションの適応のためのメカニズムも組み込まれているため、自律エージェントの堅牢性と柔軟性が向上する。
論文 参考訳（メタデータ） (2023-10-03T15:53:55Z) - Neural Dynamic Policies for End-to-End Sensorimotor Learning [51.24542903398335]
感覚運動制御における現在の主流パラダイムは、模倣であれ強化学習であれ、生の行動空間で政策を直接訓練することである。
軌道分布空間の予測を行うニューラル・ダイナミック・ポリシー(NDP)を提案する。
NDPは、いくつかのロボット制御タスクにおいて、効率と性能の両面で、これまでの最先端よりも優れている。
論文 参考訳（メタデータ） (2020-12-04T18:59:32Z)
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。