論文の概要: Nine Trials to Recover: A Reproducible Benchmark for Repertoire-Free Soft-Robot Damage Adaptation
- arxiv url: http://arxiv.org/abs/2610.07616v1
- Date: Tue, 06 Oct 2026 02:08:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.753582
- Title: Nine Trials to Recover: A Reproducible Benchmark for Repertoire-Free Soft-Robot Damage Adaptation
- Title（参考訳）: 9つの試み:レパートリーフリーなソフトロボット損傷適応のための再現可能なベンチマーク
- Abstract要約: 9つのオンライントライアルにおいて,ソフトロボット損傷回復のためのレパートリーフリーベンチマークを提案する。
このプロトコルは、各モルフォロジー内で損傷マスクをペアリングし、測定値のフォールバックを保持し、新しいボディの評価からメソッド開発を分離する。
- 参考スコア（独自算出の注目度）: 13.949265132431824
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a repertoire-free benchmark for soft-robot damage recovery under nine online trials. The protocol pairs damage masks within each morphology, retains a measured nominal fallback, and separates method development from evaluation on new bodies. A Gaussian-process expected-improvement (GP-EI) reference controller adapts actuator phases using three initialization probes and six feedback-selected rollouts. Across two disjoint 75-body cohorts, it outperforms random search, Sobol, CEM, and CMA-ES under equal budgets. GP-EI improves the worst-mask gain on 69/75 confirmation bodies and exceeds these four baselines by 0.235-0.310 mean worst-mask reward. A TuRBO-style local GP is the closest comparator; the paired confidence interval includes zero. Post-confirmation fixed-controller replay finds 5.06 voxel widths of mean recovery together with a 0.0031 increase in worst-mask p99 geometric edge strain; a strict no-added-demand deployment gate retains 48.7% of mean gain. In a frozen development stress test that physically removes 10% of occupied voxels, GP-EI improves 71/75 bodies and exceeds official BoTorch TuRBO by 0.356 mean worst-mask gain. Together, the replayable controllers, body-level inference, and frozen-cohort evaluation provide a reference for measuring the added value of learned damage priors and future adaptation methods.
- Abstract（参考訳）: 9つのオンライントライアルにおいて,ソフトロボット損傷回復のためのレパートリーフリーベンチマークを提案する。
このプロトコルは、各モルフォロジー内で損傷マスクをペアリングし、測定値のフォールバックを保持し、新しいボディの評価からメソッド開発を分離する。
ガウス過程予測改善(GP-EI)参照コントローラは、3つの初期化プローブと6つのフィードバック選択ロールアウトを用いてアクチュエータ位相を適応する。
2つの75体コホートにまたがって、同じ予算の下でランダムサーチ、ソボル、CEM、CMA-ESを上回ります。
GP-EIは69/75の確認機関で最悪のマスクゲインを改善し、これらの4つのベースラインを0.235-0.310の平均最悪のマスク報酬で上回っている。
TuRBOスタイルの局所GPは最も近いコンパレータであり、ペアの信頼区間はゼロである。
確認後固定制御装置のリプレイでは、平均回復幅の5.06ボクセル幅と、最悪のマスクp99の幾何学的エッジひずみの0.0031の増加が見出され、厳密な非要求配置ゲートは平均利得の48.7%を維持している。
占有されたボクセルの10%を物理的に除去する冷凍開発ストレステストでは、GP-EIは71/75体を改善し、公式のBoTorch TuRBOを0.356倍上回った。
再生可能なコントローラ、ボディレベル推論、凍結コホート評価は、学習した損傷前の付加価値と将来の適応方法を測定する基準を提供する。
関連論文リスト
- PGP-Clinical-TimeKAN: Prior-Guided Joint Probabilistic Forecasting of Clinical Trajectories [33.074550441856196]
PGP-Clinical-TimeKANは多変量生理学の合同確率予測のための軌道優先のフレームワークである。
欠如を意識した時間エンコーダ、ソフトオルガン前駆体、患者固有の関係、非線形コルモゴロフ・アルノルドメッセージ、低ランクの多変量学生-tヘッドを組み合わせる。
論文 参考訳（メタデータ） (2026-08-24T23:33:35Z) - A Multidimensional Data-Driven Hybrid Transformer Framework for Non-invasive Continuous Blood Pressure Prediction [28.58502100288247]
本稿では,ECG/III特徴系列から拡張型および収縮型BPを推定するハイブリッドトランスフォーマーフレームワークを提案する。
このフレームワークは、生の波形ではなく、生理的記述子の10段階のシーケンスと、2つの人口統計学的コをモデル化する。
論文 参考訳（メタデータ） (2026-08-24T14:02:10Z) - TrustRoboReward: Preference-Ordered Isotonic Score Editing for Multi-Paradigm Robot Reward Models [40.42873860258522]
優先順序等調スコア編集(POISE)を備えたマルチパラダイム報酬モデリングフレームワークであるTrustRoboRewardを提案する。
POISEはポイントワイズスコアを修正し、TrustJudgeが未解決のクロスパラダイム逆転競合を取り除く。
POISEでトレーニングされたQwen3-VL-4Bは、全体的な報酬スコアが77.96%に達し、GPT-5-mini(78.09%、ギャップ0.13%)とほぼ一致し、最強のRoboReward-4Bベースラインを10.13%上回った。
論文 参考訳（メタデータ） (2026-08-09T05:25:22Z) - Quality-Diversity Stress Tests for Process Reward Models:What Archive Coverage Can and Cannot Certify [1.0742675209112622]
MAP-Elites を用いた品質多様性探索問題として PRM ストレス試験を定式化する。
有限セル修復は、カバーセルのテールリスクと平均残酷さを境界とするが、カバーレートだけでは最悪の残酷なセルをバウンドすることはできない。
事前宣言されたペアのLoRA修復プロトコルは、攻撃率が0.148から0.037から0.074に減少し、最悪の攻撃は0.333から0.177から0.212に減少し、最高の4つの精度を低下させることなくAUROCのランキングを改善する。
論文 参考訳（メタデータ） (2026-08-08T08:41:06Z) - VESTIGE: A Knowledge-Guided Masking Strategy for Corruption-Aware Fine-Tuning of Genomic Transformers, Validated on Ancient DNA Reconstruction [0.0]
Masked-- model fine-tuning は、再構成の難しさが位置に依存しないとして、トークン位置毎に均一なマスキング確率を適用する。
本稿では,パラメータフリーでドロップイン可能な標準コレータであるVESTIGEを紹介した。
論文 参考訳（メタデータ） (2026-07-30T05:47:47Z) - Mitigating the Impact of Retention Loss on Inference Accuracy in 65 nm Single-Poly Floating-Gate Analog In-Memory Computing [36.94429692322632]
推測精度の劣化に対する保持損失の影響を軽減できることを示す。
プログラミングから60日経ってから2～4%でベースライン推定精度を回復できることが示される。
論文 参考訳（メタデータ） (2026-07-27T20:41:46Z) - Post-Operative Glioma Segmentation via Loss Stabilization, Normalization and Subspace Attention [46.03321798937855]
ドメインシフトの際,GDL(Generalized Dice Loss)が不安定であることを示す。
本稿では,ボトルネック機能を再校正するサブスペース・アウェア・クラス・アテンション(SACA)モジュールを提案し,腫瘍の感度を8%向上させる。
論文 参考訳（メタデータ） (2026-07-23T09:59:30Z) - BRIDGE: Bottleneck-Aware Regulator-Set Inference and Diagnosis for Cooperative Gene Regulatory Recovery [2.8410059035029955]
Bottleneck-Aware Regulator-Set Inference and Diagnosis (BRIDGE)は、完全なレギュレータセット回復のためのフレームワークである。
TRACEは、検索、セットレベルのスコアリング、デコード、評価ボトルネックに障害を原因付ける診断スイートである。
30回にわたるシード協調設定では、Residual HOS2はJaccardの類似性を0.382から0.460に改善し、0.522から0.597にリコールし、分解可能なペアセットスコアで0.053から0.113に正確なリカバリを行う。
論文 参考訳（メタデータ） (2026-07-21T00:31:48Z) - QFoldAgent: An Autonomous Quantum Optimization Multi-Agent System for Protein Structure Prediction [20.764428990752283]
QFoldAgentは5-residue四面体-格子折り畳みのための閉ループマルチエージェントフレームワークである。
55個のQDockBank由来のフラグメントと100個のカバー最適化された未確認シーケンスの2つの補完的データセットについて検討した。
論文 参考訳（メタデータ） (2026-05-11T20:40:54Z) - Revisiting Auxiliary Losses for Conditional Depth Routing: An Empirical Study [31.968379218484746]
ゲート決定は、言語モデリング(LM)の損失に影響を与える前に、多くのレイヤを通して伝播しなければならない。
補助的な損失はトレーニングを安定させるために積み重ねられることが多いが、それらの間の相互作用、特に予測的な補助的なスコアと明示的なスコアの監督の間の相互作用は、制御された条件下で体系的に比較されていない。
これは、後続のすべてのレイヤがフルに実行されると仮定する、オフポリティのオラクルラベルにトレースしますが、ゲートされた実行ルートはフルに1分しかありません。
論文 参考訳（メタデータ） (2026-04-19T03:20:40Z) - Quantifying Return on Security Controls in LLM Systems [0.0]
本稿では、残留リスクを定量化するための意思決定指向フレームワークを提案する。
敵のプローブの結果を金融リスク推定と戻り制御の指標に変換する。
論文 参考訳（メタデータ） (2025-12-17T04:58:09Z)
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。