Fugu-MT 論文翻訳(概要): Physical Kernel: Structured Visual Latents for Dark Manipulation

論文の概要: Physical Kernel: Structured Visual Latents for Dark Manipulation

arxiv url: http://arxiv.org/abs/2609.13244v1
Date: Fri, 04 Sep 2026 08:28:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-21 16:32:15.668464
Title: Physical Kernel: Structured Visual Latents for Dark Manipulation
Title（参考訳）: 物理カーネル:ダークマニピュレーションのための構造付き視覚遅延剤
Abstract要約: dark_fはManiSkill StackCube上の5列チェーン上に68.1%のスタックを持つ。 dark_f は82.5% であり、シャッフル動作は MSE を 9.4 倍増させる。専用のpi_writeは35%の視界予算を積み重ねている。
参考スコア（独自算出の注目度）: 7.819152664552942
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study dark manipulation: after a brief lit Write encodes z0 = Enc(rgb), a policy pi(z) and open-loop dynamics f(z,a) complete contact-rich skills without further pixels (dark_f). On ManiSkill StackCube (n=160; seed packs 0/1000), dark_f attains 68.1% stacked on the five-rung chain (near_A -> grasped -> lifted -> on_B -> stacked), compared with 35.6% for per-step lit_reenc and 0% for freeze/encode_black. On a shared Write->HOLD protocol (n=40), occlusion and camera-aligned GT contact-neighbor masks drive lit lift from 43% to 0%, while dark_f holds 82.5%; shuffling actions inflates dynamics MSE by ~9.4x; write-time appearance shifts break encoding (night: 0% stacked), yet the same shifts during HOLD leave dark_f lift unchanged; Write length Tw is flat once the stop phase is reached, while earlier stops and write-time blur/JPEG sharply cut stacked. A dedicated pi_write reaches 35% vision-budget stacked (n=80); matched Dreamer-style/pixel nulls without privileged geom stay at 0%. Privileged state-RSSM MPC reaches ~35% stacked with 9D dark observations -- a stronger-observation null, not a matched visual baseline.
Abstract（参考訳）: 簡単なライトでz0 = Enc(rgb) をエンコードした後、ポリシー pi(z) とオープンループのダイナミックス f(z,a) を、さらなるピクセル(dark_f)を使わずに、完全なコンタクトリッチなスキル(dark_f)を書ける。 ManiSkill StackCube (n=160; seed packs 0/1000)では、dark_fが5つのラングチェーン(near_A -> grasped -> lifted -> on_B -> stacked)上に68.1%の積み重ねを達成し、ステップ当たり35.6%が lit_reenc、フリーズ/エンコード_blackが0%となった。共有のWrite->HOLDプロトコル(n=40)では、オクルージョンとカメラ対応のGTコンタクト隣マスクがライトリフトを43%から0%に駆動し、 dark_f は82.5%、シャッフル動作はダイナミックス MSE を ~9.4x に膨らませる。専用のpi_writeは35%の視界予算スタック(n=80)に到達します。原始状態RSSM MPCは、9Dの暗視観測で35%の積み重ねに達した。

関連論文リスト

Disparity Has a Sign: Stereo Matching Beyond the Zero-Disparity Plane [52.210414985125816]
立体視内容が、負の相違に対応するゼロの相違面の背後にある物体をどう含んでいるかを示す。撮影者が作成した7本の公開映画から21,495ドルのステレオペアのベンチマークである textitZDPShift を提案する。同じシーンコンテンツでは、ファンデーションは25.24ドルEPEから75.33ドルpxに上昇し、すべてのバックボーンが3ピクセルの差分誤差を超えるピクセルの約半分を残している。
論文参考訳（メタデータ） (2026-09-06T19:58:35Z)
On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文参考訳（メタデータ） (2026-08-31T06:35:07Z)
The Framing Gap: Indirect Prompt-Injection Exfiltration Defeats Surface-Level Defenses in Tool-Using Agents [2.45357121165634]
攻撃者が制御するWebコンテンツを読み取るツール使用のLLMエージェントは間接的なプロンプトインジェクションである。 10のオーバートインジェクションクラスが拒否される(gpt-4o 0%)が、同じリークを必須整合性シグネチャとして無視する。アブレーションは、そのメカニズムが命令/データの混乱であり、アライメントを損なわないことを示している。
論文参考訳（メタデータ） (2026-08-27T13:12:03Z)
GaussianDream++: Efficient 3D Gaussian World Modeling for Robotic Manipulation [55.47130289185285]
VLA(Vision-Language-Action)ポリシーは、高度な言語条件のロボット操作である。我々は textbfWorld State Tokens と textbfWorld Prediction Tokens を VLA バックボーンに直接挿入する,コンパクトでポリシーネイティブな拡張である textbfMethodname を提示する。
論文参考訳（メタデータ） (2026-08-26T11:41:55Z)
What CLIP Knows but Cannot Say: Recovering Negation from Frozen Intermediate Features [3.9492850032415876]
CLIPのような対照的な視覚言語モデルは、意味論的に逆のフレーズをほぼ同一の埋め込みにマッピングする。中層は構成構文を構築するが、最終層は視覚的アライメントが上昇するにつれてこの構造を崩壊させる。本稿では,ピーク時のエンコーダを傍受する軽量なポストホック補正システムであるPeakPatchを提案する。
論文参考訳（メタデータ） (2026-07-25T16:15:50Z)
Patch Policy: Efficient Embodied Control via Dense Visual Representations [52.199962246592285]
我々は,フルVLMの計算オーバーヘッドを伴わずに,事前訓練済みの高密度パッチトークンを直接消費するパッチポリシーを開発した。提案手法は,最先端のグローバルプール表現を用いた政策よりも40%の相対的な改善を実現している。微調整されたOpenVLA-OFTを18%上回り、パラメータの約0.7%を使用する。
論文参考訳（メタデータ） (2026-07-20T17:59:41Z)
More Structure, Not More Capacity: Object-Centric Representations for Visuomotor Imitation Learning [54.65906330923846]
対象中心のスロット表現は、事前学習された視覚モデルに代わる構造化された代替物であることを示す。トークンの16倍の高密度なパッチグリッドは、グローバル機能に匹敵するパフォーマンスはない。明示的な2D空間目標とネイティブ解像度レンダリングにより、全システムは68.7$pm$4.2%まで上昇し、特権付き3Dオーラクルの上界の直ぐ下にある。
論文参考訳（メタデータ） (2026-07-10T10:35:24Z)
ContextualJailbreak: Evolutionary Red-Teaming via Simulated Conversational Priming [0.0]
大規模言語モデル(LLM)は、安全アライメントを回避し、有害な応答を誘発するジェイルブレイク攻撃に対して脆弱なままである。我々は,マルチターン素数対話をシミュレートした進化探索を行う,ブラックボックスのレッドチーム戦略であるContextualJailbreakを提案する。
論文参考訳（メタデータ） (2026-05-04T14:32:40Z)
LoSA: Locality Aware Sparse Attention for Block-Wise Diffusion Language Models [49.93891888238178]
ブロックワイド拡散言語モデル(DLM)は任意の順序で複数のトークンを生成し、自動回帰復号パイプラインに代わる有望な代替手段を提供する。異なるクエリが異なるプレフィックス位置を選択する場合、KVインフレーション問題により、DLM上では裸のスパースアテンションが失敗する。キャッシュされたプレフィックスアテンション結果を安定したトークンに再利用し、アクティブトークンのみにスパースアテンションを適用するLOSA(Locality-aware Sparse Attention)を提案する。
論文参考訳（メタデータ） (2026-04-13T20:53:51Z)
The Perplexity Paradox: Why Code Compresses Better Than Math in LLM Prompts [0.0]
コード生成はアグレッシブ・プロンプト・圧縮(r >= 0.6)を許容し、チェーン・オブ・シークレット推論は徐々に低下する。 TAAC (Task-Aware Adaptive Compression) は品質保持率96%で22%のコスト削減を実現し, 定比圧縮を7%上回った。
論文参考訳（メタデータ） (2026-01-21T18:03:27Z)
Chronicals: A High-Performance Framework for LLM Fine-Tuning with 3.51x Speedup over Unsloth [0.0]
Unsloth上で3.5倍のスピードアップを実現したオープンソースのトレーニングフレームワークであるCentralsを紹介します。オンラインのソフトマックスの正しさ、FlashAttention IO complexity O(N2 d2 M-1)、LoRA+学習速度勾配近似など、完全な数学的基礎を提供する。
論文参考訳（メタデータ） (2026-01-06T00:00:55Z)

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。