論文の概要: TERRA: Task-Embedded Reasoning and Representation Architecture for Cross-Domain Applications

• arxiv url: http://arxiv.org/abs/2606.01520v1
• Date: Mon, 01 Jun 2026 00:50:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.761503
• Title: TERRA: Task-Embedded Reasoning and Representation Architecture for Cross-Domain Applications
• Title（参考訳）: TERRA: クロスドメインアプリケーションのためのタスク埋め込み型推論と表現アーキテクチャ
• Authors: Shayan Shokri,
• Abstract要約: 単一の動作条件付き潜伏予測アーキテクチャは、運転シーン、ロボットワークスペース、金融注文帳の構造状態に基づいて訓練することができる。 ある構造化状態領域で学習された表現や予測器が、構造的に類似しているが、そうでなければ無関係な領域、そしてどれだけの量で受け継がれるのか。 次数付き潜在格子上で各ドメインを制御マルコフ過程としてモデル化し、任意のインスタンス化を薄いドメインアダプタと共有ドメイン不変コアに分解し、近似マルコフ決定プロセス準同型とクロスドメイン対応を同定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A single action-conditioned latent predictive architecture can in principle be trained on the structured state of a driving scene, a robot workspace, or a financial order book. The ingredients for doing so within any one domain already exist and are individually validated: masked-latent prediction, action-conditioned latent world models, discrete action tokenization, and joint-embedding prediction on voxelized state. What is not established, and what TERRA addresses, is the transfer question: when does a representation or predictor learned in one structured-state domain carry over to a structurally analogous but otherwise unrelated domain, and by how much. We give this question a formal treatment. We model each domain as a controlled Markov process on a graded latent grid, factor any instantiation into thin domain adapters and a shared domain-invariant core, and identify a cross-domain correspondence with an approximate Markov decision process homomorphism whose quality is measured by a lax bisimulation discrepancy and, for domains lacking a shared coordinate system, by a Gromov-Wasserstein distance between their action-conditioned transition operators. Under a Lipschitz predictor we derive a transfer bound that separates source-model error from structural mismatch, grows geometrically in the prediction horizon, and is certified from below by the Gromov-Wasserstein distance; we then connect latent error to decision regret through the Lipschitz value property of bisimulation metrics. The resulting Structured-State Transfer Hypothesis is stated as a falsifiable claim with a preregistered experimental program, centered on a transfer test from driving scenes to order books, including conditions under which it is refuted. We present no empirical results: this is a research proposal that converts a widely repeated intuition into testable theory.
• Abstract（参考訳）: 単一動作条件の潜伏予測アーキテクチャは、原則として、運転シーン、ロボットワークスペース、金融注文帳の構造状態に基づいて訓練することができる。 マスク付き遅延予測、アクション条件付き潜在世界モデル、離散的なアクショントークン化、およびボキセル化状態に対する共同埋め込み予測である。 ある構造化状態領域で学習された表現や予測器が、構造的に類似しているが、そうでなければ無関係な領域、そしてどれだけの量で受け継がれるのか。 私たちはこの質問を正式な扱いをする。 我々は、各ドメインを、グレード付き潜在格子上で制御されたマルコフ過程としてモデル化し、薄いドメインアダプタと共有ドメイン不変コアへの任意のインスタンス化を分解し、ラックスバイシミュレートの差分によって品質が測定される近似マルコフ決定プロセス準同型とのクロスドメイン対応を、動作条件の遷移演算子間のグロモフ・ワッサーシュタイン距離によって、共有座標系が欠如している領域で同定する。 リプシッツ予測器の下では、ソースモデル誤差を構造的ミスマッチから分離し、予測水平線で幾何学的に成長し、グロモフ・ワッサーシュタイン距離によって下から証明される転送境界を導出し、次に、バイシミュレーション計量のリプシッツ値特性を通じて遅延誤差を接続して後悔を決定する。 結果として生じる構造化状態移動仮説は、事前に登録された実験プログラムによる偽造可能なクレームとして述べられている。 これは、広く繰り返される直観を検証可能な理論に変換する研究提案である。

関連論文リスト

• Decidable By Construction: Design-Time Verification for Trustworthy AI [0.0]
  機械学習における一般的な仮定は、モデル正しさは事実の後に強制されなければならないというものである。 我々は,AIモデルが数値的に安定しているか,計算的に正しいか,あるいは物理領域と整合しているかを決定する特性が,必ずしもポストホック強制を要求するとは限らないことを観察する。
  論文  参考訳（メタデータ） (2026-03-26T13:09:36Z)
• Point-Identification of a Robust Predictor Under Latent Shift with Imperfect Proxies [22.609134964894363]
  我々は、同じ条件付きプロキシ分布を誘導する潜在等価クラス(LEC)を導入する。 LECは、同じ条件付きプロキシ分布を誘導する潜在共同創設者のグループとして定義される。 複数のドメインがプロキシ誘起LECを混合してロバスト予測器を形成する方法に十分な差異がある限り、ロバスト予測器の点同定は引き続き達成可能であることを示す。
  論文  参考訳（メタデータ） (2026-03-16T11:52:35Z)
• Unsupervised Structural-Counterfactual Generation under Domain Shift [1.9652313502216219]
  本稿では,ソース領域からの事実観測に基づいて,対象領域における対実サンプルの生成という,新たな生成モデル課題を提案する。 本フレームワークは, 対象領域からの影響-内在変数の後方分布と, 対象領域からの領域-内在変数の事前分布とを組み合わせて, 所望の反事実を合成する。
  論文  参考訳（メタデータ） (2025-02-17T16:48:16Z)
• ReSimAD: Zero-Shot 3D Domain Transfer for Autonomous Driving with Source Reconstruction and Target Simulation [59.268764137560524]
  我々は、再構成・シミュレーション・パーセプション方式を提案することにより、ドメインシフトを緩和する新しい視点とアプローチを提供する。 具体的には、暗黙的な再構築プロセスは、ドメイン関連知識をドメイン不変表現に変換することを目的とした、以前のドメインからの知識に基づいている。 提案手法は,3次元事前学習を約束する領域能力の向上に有効である。
  論文  参考訳（メタデータ） (2023-09-11T15:11:11Z)
• Heuristic Domain Adaptation [105.59792285047536]
  Heuristic Domain Adaptation Network (HDAN)は、ドメイン不変およびドメイン固有表現を明示的に学習する。 Heuristic Domain Adaptation Network (HDAN)は、教師なしDA、マルチソースDA、半教師なしDAの最先端を超越している。
  論文  参考訳（メタデータ） (2020-11-30T04:21:35Z)
• Bi-Directional Generation for Unsupervised Domain Adaptation [61.73001005378002]
  教師なしのドメイン適応は、確立されたソースドメイン情報に依存するラベルなしのターゲットドメインを促進する。 従来の手法では、潜在空間におけるドメインの不一致を強制的に低減することで、本質的なデータ構造が破壊される。 本稿では、2つの中間領域をブリッジソースとターゲットドメインに補間する一貫した分類器を用いた双方向生成ドメイン適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-12T09:45:39Z)

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。