論文の概要: Toward Recursive Self-Improvement in Physical AI

• arxiv url: http://arxiv.org/abs/2610.29677v1
• Date: Wed, 21 Oct 2026 12:54:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.364736
• Title: Toward Recursive Self-Improvement in Physical AI
• Title（参考訳）: 物理AIにおける再帰的自己改善に向けて
• Abstract要約: 再帰的自己改善(Recursive self-improvement、RSI)は、その振る舞いだけでなく、それが改善するプロセスも改善するシステムを記述する。 最近のデジタルエージェントは、自身のコードを書き直し、各バージョンを実行可能なテストでチェックすることで、このアイデアをテストしている。 我々は、ロボットの能力の向上から、それらを生成するプロセスの改善まで、ロボット学習とトレースパスにRSIを配置する。
• 参考スコア（独自算出の注目度）: 24.935162844005962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recursive self-improvement (RSI) describes a system that improves not only its behavior but also the process by which it improves. Recent digital agents test this idea by rewriting their own code and checking each version with executable tests. Bringing these mechanisms into the physical world requires learning from partial observations through costly trials, while accounting for changing operating conditions and potentially irreversible consequences. We position RSI within robot learning and trace pathways from improving robot capabilities to improving the processes that generate them. We examine how physical experience can strengthen these improvement mechanisms and when the resulting gains can support further self-improvement of the mechanisms themselves. Gains carry forward only when feedback addresses remaining learning needs, the receiving component can use the change, its value survives changes in tasks or hardware, and continued practice remains safe and affordable. Existing studies, concentrated in manipulation, support behavioral improvement, benefits to later learning, and procedure improvement. Some systems also change the improver's knowledge or tools, but the physical studies reviewed here have yet to isolate gains attributable to recursion. We synthesize these findings into evaluation principles and research directions for machines that, trial by trial, safely improve the way they improve.
• Abstract（参考訳）: 再帰的自己改善(Recursive self-improvement、RSI)は、その振る舞いだけでなく、それが改善するプロセスも改善するシステムを記述する。 最近のデジタルエージェントは、自身のコードを書き直し、各バージョンを実行可能なテストでチェックすることで、このアイデアをテストしている。 これらのメカニズムを物理的世界に持ち込むには、コストのかかる試行を通じて部分的な観察から学ぶ必要がある。 我々は、ロボットの能力の向上から、それらを生成するプロセスの改善まで、ロボット学習とトレースパスにRSIを配置する。 身体的体験がこれらの改善メカニズムをどのように強化し、その結果がいつ得られるかは、メカニズム自体のさらなる自己改善を支援することができるかを検討する。 フィードバックが学習のニーズに答える場合のみ、受信コンポーネントは変更を使用でき、その価値はタスクやハードウェアの変化に留まり、継続的なプラクティスは安全で安価なままである。 既存の研究は、操作に集中し、行動改善、後の学習への恩恵、手続き改善をサポートする。 一部のシステムは改善者の知識やツールも変更しているが、ここでレビューされた物理研究はまだ再帰に起因する利得を分離していない。 本研究は,これらの知見を,試験による試験により,その改善方法を安全に改善する機械の評価原理と研究指針に合成する。

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)
• 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)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Never Stop Learning: The Effectiveness of Fine-Tuning in Robotic Reinforcement Learning [109.77163932886413]
  本稿では,ロボットによるロボット操作ポリシーを,政治以外の強化学習を通じて微調整することで,新たなバリエーションに適応する方法を示す。 この適応は、タスクをゼロから学習するために必要なデータの0.2%未満を使用する。 事前訓練されたポリシーを適用するという私たちのアプローチは、微調整の過程で大きなパフォーマンス向上につながります。
  論文  参考訳（メタデータ） (2020-04-21T17:57:04Z)

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。