論文の概要: A Biophysically Detailed C. elegans Circuit as a Task-Agnostic Dynamical Core for Visually Robust Robot Manipulation

• arxiv url: http://arxiv.org/abs/2609.39322v1
• Date: Wed, 30 Sep 2026 09:00:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.470181
• Title: A Biophysically Detailed C. elegans Circuit as a Task-Agnostic Dynamical Core for Visually Robust Robot Manipulation
• Title（参考訳）: 視覚的ロバストロボットマニピュレーションのためのタスク非依存動的コアとしてのC. elegans回路
• Abstract要約: バイオ物理的に詳細なカエノルハブディフ・エレガンス感覚運動回路をバイスモータ・ポリシーの動的コアとして組み込んだ。 異なるMetaWorldのタスクは、コアマッチや拡散ポリティクス、アクションチャンキングトランスフォーマー、ニューラルサーキットポリティクスのベースラインにまたがる。 この結果から,視覚的ロバスト性は,タスク固有制御器によって学習されるのではなく,生体物理学的に詳細な回路力学から受け継がれることが示唆された。
• 参考スコア（独自算出の注目度）: 10.495181016514428
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot policies are usually trained for one task, one body and one visual environment, and generalize poorly beyond these conditions. Whether a nervous system can instead supply the sensorimotor computation through its evolved wiring and biophysics remains unresolved. Here we embed a biophysically detailed Caenorhabditis elegans sensorimotor circuit - 136 multicompartment neurons with realistic morphologies and electrophysiological characteristics - as the dynamical core of a visuomotor policy. Only thin task-specific adapters are trained; the core's synaptic weights stay fixed while its membrane voltages evolve freely. Across different MetaWorld tasks the core matches or exceeds diffusion-policy, action-chunking-transformer and neural-circuit-policy baselines, and degrades less under visual perturbations. Replacing the core with generic network models such as MLP, LSTM, transformer or reservoir networks removes the advantage. Furthermore, on a real robotic arm the core withstands diverse visual perturbations that collapse the baselines. Our results suggest that visual robustness can be inherited from biophysically detailed circuit dynamics rather than learned by task-specific controllers.
• Abstract（参考訳）: ロボットのポリシーは通常、1つのタスク、1つのボディと1つの視覚環境のために訓練され、これらの条件を超えてあまり一般化されない。 神経系が、その進化した配線と生体物理学を通して感覚運動子の計算を供給できるかは未解決のままである。 ここでは, 現実的な形態と電気生理学的特性を持つ136個の多部ニューロンを, 生体運動のダイナミックなコアとして, 生体物理学的に詳細に記述したCaenorhabditis elegans Sensorimotor circuitを組み込んだ。 コアのシナプス重みは固定され、膜電圧は自由に進化する。 異なるMetaWorldタスク全体では、コアは拡散ポリティクス、アクションチャンキングトランスフォーマー、ニューラルサーキットポリティクスのベースラインと一致し、視覚的摂動下では劣化しない。 MLP、LSTM、トランスフォーマー、貯水池ネットワークといった一般的なネットワークモデルでコアをリプレースすることは利点をなくす。 さらに、実際のロボットアームでは、コアはベースラインを崩壊させる多様な視覚的摂動に耐える。 この結果から,視覚的ロバスト性は,タスク固有制御器によって学習されるのではなく,生体物理学的に詳細な回路力学から受け継がれることが示唆された。

関連論文リスト

• Co-design of Neural and Muscle Network based on Embodied Perceptron Representation [1.4652790713882482]
  身体ロボット工学は、よく設計された体は、身体と環境の相互作用による制御と計算の役割を部分的に置き換えることができることを示した。 本稿では,ニューラルネットワークと身体システムを統合する理論フレームワークであるEmbodied Perceptronを紹介する。 その結果, インボディード・インテリジェンスによって固有の安定性が得られ, 学習効率が向上し, 単一ニューロン・コントローラによるモデルサイズを大幅に削減できることが示唆された。
  論文  参考訳（メタデータ） (2026-08-17T13:25:09Z)
• Seeing Through Circuits: Faithful Mechanistic Interpretability for Vision Transformers [54.2202951543048]
  視覚変換器の計算グラフから有用なメカニスティック回路を同定できるかどうかを検討する。 分類のためのクラス固有の回路を復元するビジュアル・サーキット・ディスカバリー(Vi-CD)の効果的な手法を提案する。 これらのモデルの内部計算に透明性を加えることで、視覚変換器から洞察に富み、行動可能なエッジベース回路を復元できることが判明した。
  論文  参考訳（メタデータ） (2026-04-15T23:25:46Z)
• Learning Physics from Pretrained Video Models: A Multimodal Continuous and Sequential World Interaction Models for Robotic Manipulation [63.04810454548667]
  我々は、ロボット操作タスクを解決するために、スケーラブルで連続的かつシーケンシャルな世界インタラクションフレームワークであるPhysGenを紹介した。 トレーニング済みのビデオモデルを物理シミュレーターのプロキシとして扱うことで、PhysGenは外部環境とロボット動作の間の動的相互作用をモデル化する。 本稿では,映像とアクションを共有物理トークンに統合し,離散映像生成と連続ロボット制御のギャップを埋めるマルチモーダル連続表現を提案する。
  論文  参考訳（メタデータ） (2026-02-18T14:58:18Z)
• Single Neuromorphic Memristor closely Emulates Multiple Synaptic Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
  我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。 これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
  論文  参考訳（メタデータ） (2024-02-26T15:01:54Z)
• Learning Dynamics from Multicellular Graphs with Deep Neural Networks [7.263827692589625]
  グラフニューラルネットワーク (GNN) を用いて, セル位置の静的スナップショットから, 多細胞集団の動きを推定できることを示す。
  論文  参考訳（メタデータ） (2024-01-22T18:36:29Z)
• Learning with Chemical versus Electrical Synapses -- Does it Make a Difference? [61.85704286298537]
  バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。 我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
  論文  参考訳（メタデータ） (2023-11-21T13:07:20Z)
• Biological connectomes as a representation for the architecture of artificial neural networks [0.0]
  我々は、C. Elegans線虫の運動回路を、生物物理学的リアリズムの様々なレベルにおいて、人工ニューラルネットワークに変換する。 C. Elegans の移動回路は移動問題に強力な帰納バイアスを与えるが,その構造は移動に関係のないタスクのパフォーマンスを阻害する可能性がある。
  論文  参考訳（メタデータ） (2022-09-28T20:25:26Z)
• DMAP: a Distributed Morphological Attention Policy for Learning to Locomote with a Changing Body [126.52031472297413]
  本稿では,生物学的に着想を得たポリシーネットワークアーキテクチャであるDMAPを紹介する。 主観的状態に基づく制御ポリシは,高度に可変な身体構成では不十分であることを示す。 DMAPは、すべての考慮された環境において、全体的な一致またはオラクルエージェントのパフォーマンスを超越して、エンドツーエンドで訓練することができる。
  論文  参考訳（メタデータ） (2022-09-28T16:45:35Z)
• PhysFormer: Facial Video-based Physiological Measurement with Temporal Difference Transformer [55.936527926778695]
  近年のディープラーニングアプローチは、時間的受容の限られた畳み込みニューラルネットワークを用いた微妙なrの手がかりのマイニングに重点を置いている。 本稿では,エンドツーエンドのビデオトランスをベースとしたアーキテクチャであるPhysFormerを提案する。
  論文  参考訳（メタデータ） (2021-11-23T18:57:11Z)

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。