論文の概要: Recursive Self-Improvement in Physical AI: Mechanisms, Evidence, and Evaluation

• arxiv url: http://arxiv.org/abs/2610.38266v1
• Date: Wed, 28 Oct 2026 04:34:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 18:24:51.814799
• Title: Recursive Self-Improvement in Physical AI: Mechanisms, Evidence, and Evaluation
• Title（参考訳）: 物理AIにおける再帰的自己改善:メカニズム、エビデンス、評価
• Abstract要約: エボダイドシステムは、デプロイメントエクスペリエンスからポリシー、世界モデル、スキル、実行可能プログラムを更新することができる。 本稿では、永続的能力と改善プロセスの関連性を通して、物理AIの研究を調査する。
• 参考スコア（独自算出の注目度）: 26.856376328594383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embodied systems can update policies, world models, skills, and executable programs from deployment experience, allowing one interaction to benefit later tasks. When a system also revises and reuses its data-acquisition, feedback, or learning procedures, experience changes the process that produces capability, introducing recursive self-improvement. This paper surveys research in physical AI through the connection between persistent capability and its improvement process. We first explain the functional distinction between learner updates and improvers, then compare policy learning, imagined experience, memory and skill accumulation, and executable harnesses. These approaches connect to revisions of curricula, rewards, and research programs in different ways. Contact validity, recovery, retention, and resource costs determine whether the resulting gains accumulate during continued deployment. An L0-L3 rubric distinguishes task-local adaptation, persistent capability gain, inherited process revision, and verified improver gain. Representative benchmarks and within-study contrasts relate these distinctions to existing results. We further propose common-data and interactive comparisons that evaluate reference and revised improvers from shared learner starts, separating the use of experience from its acquisition. This perspective connects the diverse methods, physical operating conditions, and evaluation evidence, underpinning embodied RSI. A comprehensive list of studies in this survey is available at https://github.com/nkd-lkz/physical-ai-rsi-survey.
• Abstract（参考訳）: エボダイドシステムは、デプロイメント経験からポリシー、世界モデル、スキル、実行可能プログラムを更新でき、あるインタラクションが後続のタスクに利益をもたらすことができる。 システムがデータ取得、フィードバック、学習手順の見直しや再利用を行うと、経験は能力を生み出すプロセスを変え、再帰的な自己改善を導入する。 本稿では、永続的能力と改善プロセスの関連性を通して、物理AIの研究を調査する。 まず、学習者の更新と改善者の機能的区別を説明し、次にポリシー学習、経験の想像、記憶とスキルの蓄積、実行可能なハーネスを比較した。 これらのアプローチは、様々な方法でカリキュラム、報酬、研究プログラムの改訂と結びついている。 接触の妥当性、回復、維持、資源コストは、継続的な展開中に結果として得られる利益が蓄積されるかどうかを決定する。 L0-L3ルーブリックは、タスクローカル適応、永続能力ゲイン、継承プロセスリビジョン、検証改善ゲインを区別する。 代表的なベンチマークとイントラスタディコントラストは、これらの区別を既存の結果に関連付けている。 さらに、共有学習者からの参照と改善者の評価を行い、その獲得から経験の使用を分離する共通データと対話的比較を提案する。 この視点は、多種多様な方法、物理的操作条件、評価証拠を結びつけ、組み込まれたRSIの基盤となる。 この調査の包括的な研究リストはhttps://github.com/nkd-lkz/physical-ai-rsi-survey.comで公開されている。

関連論文リスト

• Toward Recursive Self-Improvement in Physical AI [24.935162844005962]
  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。
  論文  参考訳（メタデータ） (2026-10-21T12:54:50Z)
• 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)
• When Does Retrieval Help? A Study of In-Context Adaptation in Vision-Language-Action Models [5.7579997337758035]
  視覚言語アクション(VLA)モデルは、ジェネラリストロボットポリシーとして強い可能性を示している。 RICLのような最近の研究は、現在のVLA観測に基づいて専門家によるデモンストレーションを検索することで、文脈内適応性を導入している。 本研究では,検索手法の違いが,RICLフレームワーク内の検索品質とタスク性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2026-10-04T20:01:02Z)
• Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education [0.0]
  ジェネレーティブAIは、評価されたパフォーマンスと、教育作業が反映されると思われる認知プロセスとの関係を弱める。 本稿では,150人の学生とAIの会話をサンプルとして,これらのプロセスの可観測的痕跡について検討する。
  論文  参考訳（メタデータ） (2026-10-02T03:06:10Z)
• In-Context Learning for Robots: Methods and Applications [117.36413283771294]
  汎用ロボットは、新しいタスクが何を必要としているかを推測し、その理解を適切な物理的行動に変換する必要がある。 ロボットのためのインコンテキスト学習(ICL)はこのプロセスをサポートし、デモとインタラクションを使用して、デプロイ中に固定されたニューラルネットワークパラメータと既存のコンピテンスを指示する。
  論文  参考訳（メタデータ） (2026-09-28T18:00:34Z)
• Harness Learning Enables Generalizable Test-Time Adaptation [75.12882372844764]
  本稿では,提案手法を学習し,提案手法を学習し,提案手法を改良するハーネス学習を提案する。 我々は、改良されたハーネスのタスクパフォーマンスを報奨として、強化学習で提案者を訓練する。 推論とマルチホップ質問応答の実験は、学習の活用によってリビジョン品質が向上し、テストタイムで適応する能力が見当たらないタスクに適応することを示した。
  論文  参考訳（メタデータ） (2026-09-28T17:52:54Z)
• A Survey on Self-Improving Test-Time Intelligence: Feedback-Driven Adapting, Learning, and Scaling at Inference [72.19201465132619]
  このようなデプロイメント時間の改善を理解するための統一的な視点として,フィードバック駆動型テスト時間インテリジェンス(TTI)を提案する。 この視点は、テスト時適応、テスト時学習、テスト時スケーリングに関連するもので、ハイブリッドシステムにおけるそれらの相違点と相違点の両方を強調します。 私たちの目標は、テスト時に自己改善型AIシステムを研究するための、一貫性のある基礎と研究ロードマップを提供することです。
  論文  参考訳（メタデータ） (2026-09-01T11:41:39Z)
• PATH-Bench: Path-Dependent Evaluation of Lifelong Agents [27.837334107109786]
  PATH-Benchは、生涯エージェントのパス依存評価のためのベンチマークである。 SEU(Selective Experience Use)は,経路蓄積経験が各タスクにどのように影響するかを制御するエージェントハーネスである。
  論文  参考訳（メタデータ） (2026-08-02T11:00:04Z)
• A Domain-Agnostic Approach for Characterization of Lifelong Learning Systems [128.63953314853327]
  「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。 この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
  論文  参考訳（メタデータ） (2023-01-18T21:58:54Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)

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。