論文の概要: Autonomous Diffractometry Enabled by Visual Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2604.11773v1
• Date: Mon, 13 Apr 2026 17:42:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.729192
• Title: Autonomous Diffractometry Enabled by Visual Reinforcement Learning
• Title（参考訳）: 視覚強化学習による自律ディフラクトメトリー
• Authors: J. Oppliger, M. Stifter, A. Rüegg, I. Biało, L. Martinelli, P. G. Freeman, D. Prabhakaran, J. Zhao, Q. Wang, J. Chang,
• Abstract要約: 結晶学や回折理論を使わずに単結晶を配向する自律システムを導入する。 モデルのない強化学習フレームワークを用いて、エージェントはロー回折パターンから直接高対称性の向きを識別し、ナビゲートする。 人間の監督が欠如しているにもかかわらず、エージェントは時間効率のアライメントを達成するために人間のような戦略を開発する。
• 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: Automation underpins progress across scientific and industrial disciplines. Yet, automating tasks requiring interpretation of abstract visual information remain challenging. For example, crystal alignment strongly relies on humans with the ability to comprehend diffraction patterns. Here we introduce an autonomous system that aligns single crystals without access to crystallography and diffraction theory. Using a model-free reinforcement learning framework, an agent learns to identify and navigate towards high-symmetry orientations directly from Laue diffraction patterns. Despite the absence of human supervision, the agent develops human-like strategies to achieve time-efficient alignment across different crystal symmetry classes. With this, we provide a computational framework for intelligent diffractometers. As such, our approach advances the development of automated experimental workflows in materials science.
• Abstract（参考訳）: 自動化は科学と産業の分野の進歩を支えている。 しかし、抽象的な視覚情報の解釈を必要とするタスクの自動化は依然として困難である。 例えば、結晶のアライメントは、回折パターンを理解する能力を持つ人間に強く依存する。 ここでは、結晶学と回折理論へのアクセスなしに単結晶を配向する自律システムを紹介する。 モデルのない強化学習フレームワークを用いて、エージェントはロー回折パターンから直接高対称性の向きを識別し、ナビゲートする。 人間の監督が欠如しているにもかかわらず、エージェントは、異なる結晶対称性クラスにまたがる時間効率のアライメントを達成するために、人間のような戦略を開発する。 これにより、インテリジェントな回折計のための計算フレームワークを提供する。 そのため,本手法は材料科学における自動実験ワークフローの開発を推進している。

関連論文リスト

• Self-adapting Robotic Agents through Online Continual Reinforcement Learning with World Model Feedback [2.165723322157105]
  この作業は、デプロイ中の自動適応を可能にするオンライン連続強化学習のためのフレームワークを提供する。 提案手法は,世界モデル予測残差を利用して分布外事象を検出し,自動的に微調整をトリガーする。 このアプローチは、高忠実度シミュレーションにおける四足歩行ロボットを含む、様々な現代の連続制御問題に対して検証される。
  論文  参考訳（メタデータ） (2026-03-04T13:07:42Z)
• AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
  我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。 多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。 ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
  論文  参考訳（メタデータ） (2025-11-26T02:10:28Z)
• WebSeer: Training Deeper Search Agents through Reinforcement Learning with Self-Reflection [51.10348385624784]
  本稿では,自己回帰機構によって強化された強化学習によって訓練された,よりインテリジェントな検索エージェントであるWebSeerを紹介する。 提案手法はツール使用チェーンを大幅に拡張し,回答精度を向上する。
  論文  参考訳（メタデータ） (2025-10-21T16:52:00Z)
• STAR: Learning Diverse Robot Skill Abstractions through Rotation-Augmented Vector Quantization [87.77475595961154]
  textbfSkill textbfTraining with textbfAugmented textbfRotation (textbfSTAR) は、スキル学習と構成の両方を進化させて複雑な振る舞いを完遂するフレームワークである。
  論文  参考訳（メタデータ） (2025-06-04T11:54:42Z)
• The Physics of Learning: From Autoencoders to Truly Autonomous Learning Machines [0.0]
  我々は,教師なし学習装置が外部エネルギー源から完全に独立することを提案する。 学習をエネルギー探索のプロセスとして再認識することで、学習システムにおいて真の自律性を達成する可能性を強調する。
  論文  参考訳（メタデータ） (2024-02-12T01:36:26Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Stochastic Coherence Over Attention Trajectory For Continuous Learning In Video Streams [64.82800502603138]
  本稿では,映像ストリーム中のピクセルワイズ表現を段階的かつ自律的に開発するための,ニューラルネットワークに基づく新しいアプローチを提案する。 提案手法は, 参加者の入場地を観察することで, エージェントが学習できる, 人間の様の注意機構に基づく。 実験では,3次元仮想環境を利用して,映像ストリームを観察することで,エージェントが物体の識別を学べることを示す。
  論文  参考訳（メタデータ） (2022-04-26T09:52:31Z)
• NavRep: Unsupervised Representations for Reinforcement Learning of Robot Navigation in Dynamic Human Environments [28.530962677406627]
  2つのエンドツーエンドと18の教師なし学習ベースのアーキテクチャをトレーニングし、それらと既存のアプローチを未認識のテストケースで比較します。 その結果,教師なし学習手法はエンドツーエンドの手法と競合することがわかった。 このリリースには、他の論文で記述されたトレーニング条件をエミュレートするように設計されたopenai-gym互換環境も含まれている。
  論文  参考訳（メタデータ） (2020-12-08T12:51:14Z)
• Intelligence, physics and information -- the tradeoff between accuracy and simplicity in machine learning [5.584060970507507]
  私は、インテリジェンスを多くの統合的な側面で見ることと、タスクのパフォーマンスと複雑さの間の普遍的な2日間のトレードオフは、2つの実現可能な視点を提供すると信じています。 この論文では、インテリジェンスのいくつかの側面においていくつかの重要な問題に対処し、2期間のトレードオフにおける相転移について研究する。
  論文  参考訳（メタデータ） (2020-01-11T18:34:29Z)

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。