論文の概要: Active Inference as the Test-Time Scaling Law for Physical AI Agents

• arxiv url: http://arxiv.org/abs/2606.22813v1
• Date: Mon, 22 Jun 2026 03:41:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 21:26:02.775105
• Title: Active Inference as the Test-Time Scaling Law for Physical AI Agents
• Title（参考訳）: 物理AIエージェントのテスト時間スケーリング法としてのアクティブ推論
• Authors: Omar Hashash, Christo Kurisummoottil Thomas, Walid Saad, Merouane Debbah, Karl Friston, Adeel Razi,
• Abstract要約: 導出スケーリング法則は、アクティブ推論の第1原理に基礎を置いている。 提案されたスケーリング法則は、エージェントのポリシーをテスト時にこの推論で動的に更新することでこれを捉える。 このソリューションは、モデルフリーQ-ラーニングとモデルベースベイズ強化学習より優れている。
• 参考スコア（独自算出の注目度）: 36.87346258673131
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, a novel test-time scaling law for physical artificial intelligence (AI) agents is introduced. This scaling law enables physical AI agents to reason with their world models to generalize in unforeseen scenarios at test time. The derived scaling law is grounded in the first principle of active inference, which equips agents with the general objective to survive in the real world, under which their specific task objectives are subsumed. Active inference achieves this by providing the reasoning to resolve prediction errors that arise when the agent encounters unforeseen situations outside its training distribution, enabling generalization in non-stationary environments. The proposed scaling law captures this by dynamically updating the agent's policy with this reasoning at test time. This policy update is modeled as a soft Bayesian inference process in which beliefs about the policy are updated using the reasoning that reduces expected prediction errors under allowable policies as a likelihood. The resulting posterior policy admits a biological interpretation, recovering the scaling mechanism that engages the brain's basal ganglia and prefrontal cortex at test time. To solve this analytically intractable problem, a variational inference solution minimizing free energy bounds is developed. This solution extends to enable learning beyond training by reinforcing new instances, resolved at test time, in both the policy and world model. Unlike existing scaling laws constrained by model size and training data, the derived solution scales with the continuous real-world experience of a physical AI agent. Simulation results on an autonomous driving task demonstrate that the proposed solution outperforms model-free Q-learning and model-based Bayesian reinforcement learning, achieving robust generalization to unforeseen scenarios while improving inference efficiency by over 36%.
• Abstract（参考訳）: 本稿では,物理人工知能(AI)エージェントを対象とした新しい試験時間スケーリング法を提案する。 このスケーリング法則により、物理AIエージェントは、テスト時に予期せぬシナリオで、自分たちの世界モデルで一般化することができる。 導出されたスケーリング法則はアクティブ推論の第1原理に基づいており、エージェントに実際の世界で生き残るための一般的な目的を割り当て、それらの特定のタスクの目的が仮定される。 アクティブ推論は、エージェントがトレーニング分布外の予期せぬ状況に遭遇したときに発生する予測エラーを解決するための推論を提供することで、非定常環境での一般化を可能にする。 提案されたスケーリング法則は、エージェントのポリシーをテスト時にこの推論で動的に更新することでこれを捉える。 このポリシー更新は、許容可能なポリシーの下で予測エラーを減少させる推論を用いて、ポリシーに関する信念を更新するソフトベイズ推論プロセスとしてモデル化されている。 結果として生じる後部政策は生物学的解釈を認め、テスト時に脳基底神経節と前頭前皮質に作用するスケーリング機構を回復させる。 この解析的に難解な問題を解くため、自由エネルギー境界を最小化する変分推論解を開発した。 このソリューションは、ポリシとワールドモデルの両方において、テスト時に解決された新しいインスタンスを強化することで、トレーニングを超えて学習を可能にするために拡張される。 モデルのサイズとトレーニングデータによって制約された既存のスケーリング法則とは異なり、導出されたソリューションは、物理AIエージェントの継続的な実世界体験とスケールする。 自律運転タスクのシミュレーション結果から,提案手法はモデルフリーQ-ラーニングやモデルベースベイズ強化学習より優れており,予測効率を36%以上向上しつつ,予期せぬシナリオに頑健な一般化を実現していることが示された。

関連論文リスト

• From Passive Metric to Active Signal: The Evolving Role of Uncertainty Quantification in Large Language Models [77.04403907729738]
  このサーベイは、受動的診断基準からリアルタイムモデル動作を導くアクティブ制御信号への不確実性の進化をグラフ化する。 3つのフロンティアにまたがるアクティブ制御信号として不確実性がいかに活用されているかを示す。 この調査は、次世代のスケーラブルで信頼性があり、信頼できるAIを構築するためには、新しい不確実性のトレンドを習得することが不可欠である、と論じている。
  論文  参考訳（メタデータ） (2026-01-22T06:21:31Z)
• Policy-Based Reinforcement Learning with Action Masking for Dynamic Job Shop Scheduling under Uncertainty: Handling Random Arrivals and Machine Failures [3.2880869992413246]
  本稿では、不確実性の下で動的ジョブショップスケジューリング問題を解決するための新しいフレームワークを提案する。 提案手法は,スケジュール環境を表現するためにColoured Timed Petri Netsを用いて,モデルに基づくパラダイムに従う。 我々は,動的JSSPベンチマークの実験を行い,提案手法が従来型の最小化とルールベースのアプローチを,メイスパンの観点から一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-01-14T08:53:46Z)
• Aligning Machiavellian Agents: Behavior Steering via Test-Time Policy Shaping [5.161558858101654]
  モデル誘導型ポリシー整形に基づくテスト時間アライメント手法を提案する。 本手法は,多様な強化学習環境にまたがって,個々の行動特性を正確に制御する。 我々の結果は、テストタイムポリシーの整形が非倫理的行動を緩和するための効果的でスケーラブルなソリューションを提供することを示した。
  論文  参考訳（メタデータ） (2025-11-14T18:42:18Z)
• Zero-Shot Policy Transfer in Reinforcement Learning using Buckingham's Pi Theorem [42.37643072381109]
  強化学習ポリシーは、しばしば、新しいロボット、タスク、または異なる物理的パラメータを持つ環境への一般化に失敗する。 本稿では,バッキンガムのPi理論に基づくシンプルなゼロショット転送手法を提案する。
  論文  参考訳（メタデータ） (2025-10-09T19:36:18Z)
• Prediction-Powered Causal Inferences [59.98498488132307]
  予測型因果推論(PPCI)に焦点をあてる まず, 条件付きキャリブレーションにより, 人口レベルでの有効なPPCIが保証されることを示す。 次に、実験間での十分な表現制約伝達の妥当性を導入する。
  論文  参考訳（メタデータ） (2025-02-10T10:52:17Z)
• Free Energy Projective Simulation (FEPS): Active inference with interpretability [40.11095094521714]
  FEP(Free Energy Projective Simulation)とAIF(Active Inference)は、多くの成功を収めている。 最近の研究は、最新の機械学習技術を取り入れた複雑な環境におけるエージェントの性能向上に重点を置いている。 ディープニューラルネットワークを使わずに解釈可能な方法でエージェントをモデル化するための自由エネルギー射影シミュレーション(FEPS)を導入する。
  論文  参考訳（メタデータ） (2024-11-22T15:01:44Z)
• Demonstrating the Continual Learning Capabilities and Practical Application of Discrete-Time Active Inference [0.0]
  アクティブ推論は、エージェントが環境とどのように相互作用するかを理解するための数学的フレームワークである。 本稿では,個別の時間環境で動作するエージェントのための連続学習フレームワークを提案する。 我々は、エージェントがモデルを再学習し、効率的に洗練する能力を示し、金融や医療といった複雑な分野に適合する。
  論文  参考訳（メタデータ） (2024-09-30T21:18:46Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [86.99017195607077]
  統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。 我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
  論文  参考訳（メタデータ） (2024-04-04T06:24:11Z)

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。