論文の概要: Where is Physical RSI capability from? An Observational Scaling Law of LLM-as-policy

• arxiv url: http://arxiv.org/abs/2610.26848v1
• Date: Mon, 19 Oct 2026 17:59:30 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:01:03.533647
• Title: Where is Physical RSI capability from? An Observational Scaling Law of LLM-as-policy
• Title（参考訳）: 物理RSIはどこから来たのか? : LLM-as-policyの観察的スケーリング法則
• Abstract要約: 本稿では,PhysRSI-evalを導入し,物理RSIを5軸で定量化する。 本研究では,VLMエージェントの相対的性能を公共的能力から予測することと,初期の物理的フィードバックから後の進捗を予測することの2つの観点から観察的スケーリングについて検討した。
• 参考スコア（独自算出の注目度）: 16.636872951583907
• License:
• Abstract: In this paper, we systematically investigate the mechanisms, scaling behavior, and generalization of physical Recursive self-improvement. We introduce PhysRSI-eval to quantify physical RSI through a five-axis metric: First-Attempt Performance, Efficiency, Success, Budget and Improvement from failure. Different VLMs are evaluated on 18 manipulation tasks under a fixed interaction budget. The analysis of experimental results motivates the Physical Barrel Hypothesis: different capabilities may constrain different parts of improvement. The five-axis metrics also distinguish systems with close public benchmark averages and show that high scores need not come with early or efficient gains. We study observational scaling from two perspectives: predicting the relative performance of VLM agents from their public capabilities, and forecasting later progress from early physical feedback. Together, these analyses ask how quickly and how far an agent can improve. Moreover, we conduct workspace interventions and then analyze what improvement leaves behind. Removing history reduces late-round success, frozen workspaces remain useful on unseen layouts, and three cross-task cases achieve success earlier. The results suggest that scene-specific adaptation and reusable experience can coexist.
• Abstract（参考訳）: 本稿では,物理再帰的自己改善のメカニズム,スケーリング行動,一般化を体系的に検討する。 本稿では,PhysRSI-evalを導入し,物理RSIを5軸で定量化する。 異なるVLMは、固定された相互作用予算の下で18の操作タスクで評価される。 実験結果の分析は物理バレル仮説を動機付け、異なる能力は改善の異なる部分を制約する可能性がある。 5軸の指標はまた、公開ベンチマークの平均値が近いシステムを区別し、ハイスコアが早期または効率的な利得を伴わないことを示す。 本研究では,VLMエージェントの相対的性能を公共的能力から予測することと,初期の物理的フィードバックから後の進捗を予測することの2つの観点から観察的スケーリングについて検討した。 これらの分析は、エージェントがどれくらいの速さで改善できるかを問う。 さらに、ワークスペースの介入を行い、改善が残すものを分析します。 履歴の削除は、ラストラウンドの成功を減らし、凍結したワークスペースは、目に見えないレイアウトで有用であり、3つのクロスタスクケースがより早く成功している。 その結果,シーン固有の適応と再利用可能な体験が共存できることが示唆された。

関連論文リスト

• Who Improves the Robot? Toward Physical Recursive Self-Improvement [99.14722431498994]
  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。
  論文  参考訳（メタデータ） (2026-10-13T17:57:04Z)
• Agent Plasticity: Measuring Self-Improvement Through Experience [101.59509058042552]
  エージェントが過去の体験を将来の事例で継承した再利用可能なアーティファクトに記憶させる制御環境での自己改善について検討する。 エージェントの可塑性は, エージェントが経験を生かし, 将来の保留性能を向上する。 複数の環境にまたがって、フロンティアモデルは、学習する機会に匹敵するにもかかわらず、大幅に異なる改善軌道を示す。
  論文  参考訳（メタデータ） (2026-10-06T17:58:57Z)
• World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
  世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。 これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。 可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
  論文  参考訳（メタデータ） (2026-09-15T06:22:42Z)
• Looking Beyond the Scale: Do Surgical Skill Models Learn Transferable Representations Across Assessment Rubrics? [1.6803183521876386]
  本稿では,GOALSATSとJIGSAWSスケール間のドメイン間スキル伝達の制限を系統的に解析する。 JIGSAWSで事前トレーニングされたバックボーンは、LASANAで0.77から0.80のCC値を達成し、エンドツーエンドのベースラインと密接に一致している。 結果は、視覚成分が支配的であるが、スキル予測にのみ責任を負わないことを示している。
  論文  参考訳（メタデータ） (2026-08-18T08:44:31Z)
• Long-Horizon Autonomous Architecture Research with a Language-Model Agent: A Behavioural Case Study [0.3683202928838613]
  我々は,1つの汎用大規模言語モデルが,長期的ニューラルアーキテクチャ設計問題において唯一の研究者として機能する場合に何が起こるかを研究する。 この研究は3つのフェーズから構成され、人間の宣言された遷移によって分離され、エージェントのツール表面や問題スケールを徐々に拡大する。 本研究は, ワークフロー設計がエージェント能力に匹敵する影響力があることを結論し, 多様な探索, 予算付きムーンショット仮説, 明示的なフォーク, ルール対応の再検証を提案する。
  論文  参考訳（メタデータ） (2026-08-03T09:56:34Z)
• One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution [85.65263343588026]
  我々は,自己修正型,自律型,接地型実験機であるSAGEを提案する。 その中核的なメカニズムであるMHFA(Multi-Hypothesis Failure Attribution)は、回復を構造的因果診断として扱う。 12のトピック、5ドメインのベンチマークでは、SAGEは基準リフレクションでメトリクスを含むアウトプットを42%から92%に増やしている。
  論文  参考訳（メタデータ） (2026-06-30T10:54:16Z)
• 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)
• What Makes Pre-Trained Visual Representations Successful for Robust Manipulation? [57.92924256181857]
  照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。 創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
  論文  参考訳（メタデータ） (2023-11-03T18:09:08Z)

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。