論文の概要: Self-Evolving Neuro-Symbolic Skills for Tool-Augmented Spatial Reasoning

• arxiv url: http://arxiv.org/abs/2608.07955v1
• Date: Sat, 08 Aug 2026 06:36:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.585917
• Title: Self-Evolving Neuro-Symbolic Skills for Tool-Augmented Spatial Reasoning
• Title（参考訳）: ツール強化空間推論のための自己進化型ニューロシンボリックスキル
• Abstract要約: 自己進化型空間スキルのためのニューロシンボリックフレームワークNeSy-Spatialを提案する。 NeSy-Spatialはツールの相互作用と幾何学的操作を型付け可能な原子命令に抽象化する。 ツールを実行するためのツール・ユース・スキルと、構造化された幾何学的推論のための幾何学的スキルの2つの補完的なスキルタイプで構成されている。
• 参考スコア（独自算出の注目度）: 18.12719033699671
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large vision-language models have achieved strong performance in multimodal reasoning, but they remain unreliable on fine-grained spatial tasks that demand both precise spatial perception and fine-grained geometric computation beyond end-to-end generation. Tool augmentation offers a natural solution, while existing methods either plan tool calls from scratch without explicit dependency constraints or rely on fixed pipelines that are redundant and generalize poorly across spatial tasks. An effective spatial reasoning agent should instead accumulate reusable experience and adaptively compose it for new problems. To this end, we propose NeSy-Spatial, a neuro-symbolic framework for self-evolving spatial skills. NeSy-Spatial abstracts tool interactions and geometric operations into typed executable atomic instructions and composes them into two complementary skill types: Tool-Use Skills for organizing tool execution and Geometry Skills for structured geometric reasoning. During inference, NeSy-Spatial retrieves and executes relevant skills in a closed-loop process. During evolution, it analyzes buffered successful and failed trajectories to refine skill structures and prune unreliable or inactive entries. Experiments on three spatial reasoning benchmarks show that NeSy-Spatial consistently improves reasoning accuracy with more precise tool utilization.
• Abstract（参考訳）: 大規模視覚言語モデルはマルチモーダル推論において高い性能を保っているが、細粒度空間的タスクには信頼性が保たれている。 ツール拡張は自然なソリューションを提供するが、既存のメソッドは、明示的な依存関係の制約なしに、スクラッチからツール呼び出しを計画するか、冗長で空間的なタスク間での一般化が不十分な固定パイプラインに依存している。 有効空間推論剤は、再利用可能な経験を蓄積し、新しい問題に対して適応的に構成する必要がある。 そこで我々は,自己進化型空間スキルのためのニューロシンボリックフレームワークNeSy-Spatialを提案する。 NeSy-Spatialはツールのインタラクションと幾何学的操作を型付け可能なアトミック命令に抽象化し、それらを2つの補完的なスキルタイプに構成する。 推論中、NeSy-Spatialはクローズドループプロセスで関連するスキルを検索して実行する。 進化の過程で、バッファリングされた成功と失敗の軌跡を分析して、スキル構造を洗練し、信頼できない、あるいは不活性なエントリをプーンする。 3つの空間的推論ベンチマークの実験により、NeSy-Spatialはより正確なツール利用によって推論精度を一貫して改善することが示された。

関連論文リスト

• SciToolAgent-Evo: An Ontology-Aware Self-Evolving Agent for Open-World Scientific Tool Acquisition [53.36281538053445]
  SciToolAgent-Evoは,オープンワールドの科学ツール獲得のためのオントロジーを意識した自己進化エージェントである。 スキル、経験、およびオンロジ化されたツールグラフの進化した記憶によって駆動され、蓄積中の対照的な軌跡から一般化可能な知識を抽出する。 新たなツールが取得されると、その科学的知識はオンラインで完了し、既知のグラフにシームレスに統合される。
  論文  参考訳（メタデータ） (2026-07-30T08:47:11Z)
• SkillSmith: Co-Evolving Skills and Tools for Self-Improving Agent Systems [36.96247516261787]
  SkillSmithは、シナジー対応のスキルツールの共同進化フレームワークである。 スキル進化が再利用可能な機能ギャップを特定すると、ツールをラップ、編集、構成、分割、または廃止することが可能になります。 失敗の署名、因果帰属、治療を含むアンチパターンを記録し、既知の誤りを繰り返す診断と拒否提案を加速させる。
  論文  参考訳（メタデータ） (2026-05-31T16:01:19Z)
• SkillEvolBench: Benchmarking the Evolution from Episodic Experience to Procedural Skills [31.23929961213889]
  大規模言語モデル(LLM)エージェントは、現実世界のタスクを解きながら豊富なエピソード軌道を蓄積する。 SkillEvolBenchは、経験の再利用からスキル形成まで、このステップを評価するための診断ベンチマークである。 現在のエージェントは、しばしばローカルに適応するが、堅牢な再利用可能なスキルを形成することは滅多にない。
  論文  参考訳（メタデータ） (2026-05-22T18:23:31Z)
• SpatialImaginer: Towards Adaptive Visual Imagination for Spatial Reasoning [67.67774742200626]
  空間知能は、視覚的な観察から幾何学的および物理的構造を推論する能力を指すもので、大きな言語モデルにとって重要な課題である。 テキスト推論と視覚的想像力を組み合わせた統合型マルチモーダル生成フレームワークを提案する。 本フレームワークでは,高レベルなセマンティックプランニングのためのテキストチェーンと,幾何感応的な状態変換と整合性保存のための視覚的想像力を用いて,分割・対数戦略を採用している。
  論文  参考訳（メタデータ） (2026-04-19T11:21:59Z)
• LAST: Leveraging Tools as Hints to Enhance Spatial Reasoning for Multimodal Large Language Models [27.76634830542925]
  空間的推論は 知的なシステムが 物理的世界を理解し 相互作用する 基盤となる能力です ツール強化空間推論のための統一的フレームワーク LAST を提案する。 LASTは、異種ツール呼び出しをアトミック命令に呼び出す、インタラクティブなサンドボックスであるLAST-Boxを備えている。 また、ツールのアウトプットの理解から、熟練した適応的なツールの実行まで、モデルをガイドする3段階のプログレッシブトレーニング戦略も設計しています。
  論文  参考訳（メタデータ） (2026-04-08T06:28:03Z)
• GeoSense: Internalizing Geometric Necessity Perception for Multimodal Reasoning [51.63457948949102]
  マルチモーダル大規模言語モデル(MLLM)の限られた空間的理解を克服する枠組みを開発する。 この枠組みは,2次元の手がかりが不十分と判断された場合の推論において,幾何学的特徴を自律的に関与させることにより,知覚的不整合を意識したモデルを実現する。
  論文  参考訳（メタデータ） (2026-03-11T03:32:12Z)
• Tool-Genesis: A Task-Driven Tool Creation Benchmark for Self-Evolving Language Agent [45.450766613995135]
  Tool-Genesisは、複数の次元にわたるエージェント能力の定量化のために設計された診断ベンチマークである。 最先端モデルでさえ、ワンショット設定で正確なツールインターフェースや実行可能なロジックを生成するのに苦労しています。
  論文  参考訳（メタデータ） (2026-03-05T17:44:29Z)
• Auxiliary Metrics Help Decoding Skill Neurons in the Wild [52.148049490080496]
  我々は、特定のスキルをコードするニューロンを分離するための、シンプルで軽量で広く適用可能な方法を紹介した。 我々は,ニューロンの活性化を,外部ラベルやモデル自身の信頼スコアなどの補助的指標と相関する。 我々は,オープンエンドテキスト生成と自然言語推論にまたがるタスクに対して,我々の手法を実証的に検証する。
  論文  参考訳（メタデータ） (2025-11-26T17:31:53Z)
• TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics [53.442362491589726]
  本稿では、視覚言語モデル(VLM)を幾何学コンピュータに変換する新しいフレームワークであるTIGeR(Tool-Integrated Geometric Reasoning)を提案する。 TIGeRは、ニューラルネットワーク内で複雑な幾何学的操作を内部化しようとするのではなく、幾何学的推論要求を認識するためにモデルに権限を与える。 TIGeRは、実世界のロボット操作タスクにおいて、センチメートルレベルの精度を示しながら、幾何学的推論ベンチマーク上でSOTA性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-10-08T16:20:23Z)
• DiffSkill: Skill Abstraction from Differentiable Physics for Deformable Object Manipulations with Tools [96.38972082580294]
  DiffSkillは、変形可能なオブジェクト操作タスクを解決するために、スキル抽象化に微分可能な物理シミュレータを使用する新しいフレームワークである。 特に、勾配に基づくシミュレーターから個々のツールを用いて、まず短距離のスキルを得る。 次に、RGBD画像を入力として取り込む実演軌跡から、ニューラルネットワークの抽象体を学習する。
  論文  参考訳（メタデータ） (2022-03-31T17:59:38Z)

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。