論文の概要: Who Improves the Robot? Toward Physical Recursive Self-Improvement

• arxiv url: http://arxiv.org/abs/2610.18842v1
• Date: Tue, 13 Oct 2026 17:57:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.70245
• Title: Who Improves the Robot? Toward Physical Recursive Self-Improvement
• Title（参考訳）: 誰がロボットを改良するか : 身体的再帰的自己改善に向けて
• Abstract要約: 本研究では,物理再帰的自己改善(Physical RSI)について検討する。 物理的なRSIは、物理的な体験がロボットの能力と改善手順の両方に更新を導くものである。 メタレベルの更新とタスク内更新とタスク間のゲインを区別するL0-L5フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 99.14722431498994
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots are increasingly autonomous in task execution, yet their improvement remains largely human-driven. This study investigates Physical Recursive Self-Improvement (Physical RSI), in which physical experience guides lasting updates to both a robot's capabilities and its improvement procedure, making subsequent improvement more effective across tasks. Physical RSI faces challenges from noisy observations, continuous dynamics, costly trials, and irreversible consequences. We present an L0-L5 framework that differentiates capability-level from meta-level updates and within-task from across-task gains, reserving L5 for independently verified recursive gain. We study existing methods around harness adaptation and model training, alongside safety and control mechanisms that govern execution and successive updates. Our analysis reveals that, despite substantial progress in self-improvement, the surveyed literature does not yet demonstrate Physical RSI as defined by our framework. We identify research priorities in reliable feedback, causal attribution, safety preservation, and benchmarking, outlining a path toward robots that autonomously improve how they learn while ensuring safety. The GitHub repository for Physical RSI is available at https://github.com/SAIL-Research-Lab/Physical-RSI.
• Abstract（参考訳）: ロボットはタスク実行においてますます自律的になっているが、その改善は主に人間によるものだ。 本研究では,ロボットの能力と改善手順の持続的更新を物理体験が導く物理再帰的自己改善(Physical RSI)について検討した。 物理RSIは、ノイズの観測、連続力学、コストのかかる試行、不可逆的な結果といった課題に直面している。 本稿では,メタレベルの更新とタスク内ゲインとを区別したL0-L5フレームワークを提案する。 本研究では,実行と逐次更新を統括する安全・制御機構とともに,適応とモデルトレーニングに関する既存の手法について検討する。 分析の結果,自己改善の著しい進展にもかかわらず,本フレームワークで定義されている物理RSIをまだ実証していないことが明らかとなった。 我々は、信頼性の高いフィードバック、因果属性、安全保全、およびベンチマークにおける研究の優先順位を特定し、安全を確保しつつ、自律的に学習方法を改善するロボットへの道のりを概説する。 Physical RSIのGitHubリポジトリはhttps://github.com/SAIL-Research-Lab/Physical-RSIで公開されている。

関連論文リスト

• An Analysis of Streaming Deep Reinforcement Learning for Adaptive Continual Learning in Robotics [2.2020053359163305]
  本稿では,ロボット工学における適応型連続学習のためのストリーミングディープ強化学習の最初の分析について述べる。 最初の事前学習フェーズの後、深いRLをストリーミングすることで、ロボットが予期せぬ変化や環境、目標への適応を成功させることができることを示す。
  論文  参考訳（メタデータ） (2026-09-23T21:41:16Z)
• The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement [66.06470438483697]
  再帰的自己改善(Recursive self-improvement、RSI)は、AIシステムが経験とフィードバックを永続的な変化に変え、能力と将来の改善プロセスの両方を改善することを可能にする。
  論文  参考訳（メタデータ） (2026-09-10T17:44:23Z)
• Scaling Large Reasoning Models beyond Human Supervision: A Path toward Superintelligence [77.303673110294]
  検証可能な報酬による強化学習は、数学やコードの推論を大幅に改善することができる。 しかし、人間の直接監督は、モデル生成体験のスケールと複雑さに追随することはできない。 本稿では,人間の指導が学習ループから徐々に遠ざかっていくにつれて,LRMがいかに改善していくかを検討する。
  論文  参考訳（メタデータ） (2026-08-31T16:48:48Z)
• Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
  本稿では, 自己補正VLA (SC-VLA) を提案する。 SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
  論文  参考訳（メタデータ） (2026-02-25T06:58:06Z)
• ROSO: Improving Robotic Policy Inference via Synthetic Observations [0.0]
  本稿では、事前訓練されたポリシーのゼロショット性能を改善するために、生成人工知能の利用を提案する。 我々の実験は、生成AIをロボット推論に組み込むことで、成果が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2023-11-28T10:52:35Z)
• Deception Game: Closing the Safety-Learning Loop in Interactive Robot Autonomy [7.915956857741506]
  既存の安全手法は、ロボットが実行時に学習し適応する能力を無視することが多く、過度に保守的な行動を引き起こす。 本稿では,ロボットの進化する不確実性を明示的に考慮した安全制御ポリシを合成するための,新しいクローズドループパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-09-03T20:34:01Z)
• Quality-Diversity Optimisation on a Physical Robot Through Dynamics-Aware and Reset-Free Learning [4.260312058817663]
  本研究では,リセットフリーQD(RF-QD)アルゴリズムを用いて,物理ロボット上で直接コントローラを学習する。 本手法は,ロボットと環境との相互作用から学習したダイナミクスモデルを用いて,ロボットの動作を予測する。 RF-QDには、ロボットが外を歩いたときに安全なゾーンに戻すリカバリポリシーも含まれており、継続的な学習を可能にしている。
  論文  参考訳（メタデータ） (2023-04-24T13:24:00Z)

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。