論文の概要: Self-Evolving Cognitive Framework via Causal World Modeling for Embodied Scientific Intelligence

• arxiv url: http://arxiv.org/abs/2606.22449v1
• Date: Sun, 21 Jun 2026 11:46:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 18:10:44.516142
• Title: Self-Evolving Cognitive Framework via Causal World Modeling for Embodied Scientific Intelligence
• Title（参考訳）: 身体科学的インテリジェンスのための因果世界モデリングによる自己進化型認知フレームワーク
• Authors: Yi Yu, Tetsunari Inamura,
• Abstract要約: 本稿では,科学的知能を具現化した因果世界モデリングによる自己進化型認知フレームワークを提案する。 我々は、因果仮説生成、介入駆動実験、継続知識獲得のプロセスとして、具体的相互作用を再解釈する。
• 参考スコア（独自算出の注目度）: 10.113530780103824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current embodied world models are primarily optimized for predictive objectives, limiting their ability to generalize under distribution shifts and reason systematically about unseen situations and hypothetical interventions. We argue that embodied intelligence should move beyond predictive world modeling toward self-evolving cognitive systems that continually construct and refine internal causal representations through interaction with the environment. To this end, we propose a self-evolving cognitive framework via causal world modeling for embodied scientific intelligence, which integrates three complementary components: causal world modeling, intervention-driven causal reasoning, and continual cognitive refinement. The proposed framework continuously revises and expands its internal causal world model through causal discovery, intervention-driven feedback, and counterfactual reasoning, supporting continual cognitive refinement and enabling cognition itself to evolve over time. Furthermore, we reinterpret embodied interaction not merely as a means of trajectory optimization, but as an epistemic process for causal hypothesis generation, intervention-driven experimentation, and continual knowledge acquisition. This work provides a conceptual and theoretical foundation for a transition from predictive intelligence toward epistemic intelligence, in which intelligence emerges through the continual construction, revision, and refinement of causal world models via interaction with the environment. Accordingly, an intervention-driven causal-epistemic benchmarking paradigm is suggested for evaluating self-evolving embodied scientific intelligence.
• Abstract（参考訳）: 現在の具現化された世界モデルは、主に予測目的のために最適化されており、分布シフトの下で一般化する能力を制限し、目に見えない状況や仮説的介入について体系的に推論する。 インボディード・インテリジェンス(英語版)は、環境との相互作用を通じて内部因果表現を継続的に構築・洗練する自己進化型認知システムへと、予測的世界モデリングを超えて進むべきであると論じる。 そこで本研究では, 因果世界モデリング, 介入駆動因果推論, 連続的認知改善という3つの相補的要素を統合した, 実施科学知能のための因果世界モデリングによる自己進化型認知フレームワークを提案する。 提案フレームワークは、因果発見、介入駆動フィードバック、反ファクト推論を通じて、内部因果世界モデルを継続的に修正し、拡張し、継続的な認知の洗練をサポートし、認知自体が時間とともに進化することを可能にする。 さらに、軌道最適化の手段としてだけでなく、因果仮説の生成、介入駆動実験、継続知識獲得のための認識過程として、エンボディード・インタラクションを再解釈する。 この研究は、予測知能からてんかん性知能への移行のための概念的、理論的基盤を提供し、そこでは、環境との相互作用を通じて因果世界モデルの継続的な構築、修正、洗練を通じて知能が出現する。 そこで, 介入駆動型因果認識ベンチマークのパラダイムが, 自己進化型エンボディド・インテリジェンスを評価するために提案される。

関連論文リスト

• Agentic Reasoning for Large Language Models [122.81018455095999]
  推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。 大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。 エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2026-01-18T18:58:23Z)
• Evolving Cognitive Architectures [51.56484100374058]
  本稿では,次世代のインテリジェントな技術システムの構築につながる研究と開発の方向性を提案する。 これらのシステムの特徴的な特徴は、進化的変化を起こす能力である。
  論文  参考訳（メタデータ） (2025-12-29T10:09:20Z)
• Active Inference AI Systems for Scientific Discovery [1.450405446885067]
  この観点では、進歩は抽象論、推論、経験的根拠の3つのギャップを互いに強化する。 デザイン原則は、想像空間を推論し、世界から学ぶシステムのために提案されている。
  論文  参考訳（メタデータ） (2025-06-26T14:43:04Z)
• Nature's Insight: A Novel Framework and Comprehensive Analysis of Agentic Reasoning Through the Lens of Neuroscience [11.174550573411008]
  エージェント推論のための神経科学に着想を得た新しい枠組みを提案する。 我々は,既存のAI推論手法を体系的に分類し,分析するために,この枠組みを適用した。 本稿では,ニューラルインスパイアされた新しい推論手法を提案する。
  論文  参考訳（メタデータ） (2025-05-07T14:25:46Z)
• Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
  この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。 自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。 また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
  論文  参考訳（メタデータ） (2025-03-31T18:00:29Z)
• Emergence of Implicit World Models from Mortal Agents [0.276240219662896]
  本稿では,自律エージェントにおけるオープンエンド行動最適化の創発的特性として,世界モデルと積極的な探索の可能性について論じる。 生物のオープン・エンディネスの源泉を論じる際、我々は、理論生物学と人工生命の力学的アプローチによって理解される生物学的システムの観点から始める。
  論文  参考訳（メタデータ） (2024-11-19T07:43:30Z)
• The Essential Role of Causality in Foundation World Models for Embodied AI [102.75402420915965]
  身体的なAIエージェントは、さまざまな現実世界環境で新しいタスクを実行する能力を必要とします。 現在の基礎モデルは物理的相互作用を正確にモデル化することができないため、Embodied AIには不十分である。 因果関係の研究は、検証世界モデルの構築に寄与する。
  論文  参考訳（メタデータ） (2024-02-06T17:15:33Z)
• Designing Ecosystems of Intelligence from First Principles [34.429740648284685]
  このホワイトペーパーは、今後10年間(そしてそれ以上)、人工知能の分野における研究と発展のビジョンを概説している。 そのデノウメントは自然と合成の感覚形成のサイバー物理的なエコシステムであり、人間は統合的な参加者である。 このビジョンは、知性の物理学として読むことができる適応的行動の定式化である能動推論に基づいている。
  論文  参考訳（メタデータ） (2022-12-02T18:24:06Z)

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。