論文の概要: Recursive Self-Improvement of Exoskeleton Assistance Policies through Human-in-the-Loop Feedback

• arxiv url: http://arxiv.org/abs/2611.01581v1
• Date: Sun, 01 Nov 2026 05:03:16 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:56:48.35331
• Title: Recursive Self-Improvement of Exoskeleton Assistance Policies through Human-in-the-Loop Feedback
• Title（参考訳）: ヒト-the-the-Loopフィードバックによる外骨格補助薬の反復的自己改善
• Abstract要約: このフレームワークは、GPT、DeepSeek、GLM、Kimを用いて評価され、初期支援性能と改善結果がモデル間で比較される。 二頭筋と三頭筋の活性化レベルはそれぞれ29.4%、35.2%減少する。
• 参考スコア（独自算出の注目度）: 9.176805296898735
• License:
• Abstract: To reduce reliance on manual design and extensive parameter tuning, a framework for the autonomous evolution of exoskeleton assistance policies through human feedback is proposed. Assistance policies are autonomously generated as executable control code by an intelligent agent and evaluated in experiments with human participants. Subjective user feedback, movement performance, and muscle activation measurements are incorporated into policy assessment. Based on these assessments, policy deficiencies are autonomously identified and the control code is revised by the agent for subsequent trials. A closed loop of policy generation, human feedback, evaluation, and autonomous refinement is thereby established. The framework is evaluated using GPT, DeepSeek, GLM, and Kimi, and initial assistance performance and refinement outcomes are compared across models. Despite differences in initial performance, effective assistance is achieved with all four models after a single autonomous refinement iteration under the tested conditions. Across three tasks, biceps and triceps muscle activation levels are reduced by 29.4% and 35.2%, respectively, compared with those measured without an exoskeleton. However, limited adaptability to unexpected situations is observed, indicating that further improvements in robustness and safety are required.
• Abstract（参考訳）: 手動設計と広範囲なパラメータチューニングへの依存を軽減するため,人間のフィードバックによる外骨格支援政策の自律的進化のための枠組みを提案する。 支援ポリシーは知的エージェントによって実行可能制御コードとして自律的に生成され、人間の被験者による実験で評価される。 政策評価には、主観的ユーザフィードバック、運動パフォーマンス、筋活動量測定が組み込まれている。 これらの評価に基づいて、政策欠陥を自律的に識別し、その後の試験のためにエージェントによって制御コードを改訂する。 これにより、政策生成、人的フィードバック、評価、自律的改善のクローズドループが確立される。 このフレームワークは、GPT、DeepSeek、GLM、Kimを用いて評価され、初期支援性能と改善結果がモデル間で比較される。 初期性能の違いにもかかわらず、試験条件下で1回の自律的な改良を繰り返した後、4つのモデル全てで効果的な支援が達成される。 3つのタスクのうち、二頭筋と三頭筋の活性化レベルはそれぞれ29.4%と35.2%に低下する。 しかし、予期せぬ状況への適応性には限界があり、ロバスト性や安全性のさらなる改善が必要であることが示唆されている。

関連論文リスト

• RoboDoctor: Training-Free Recursive Self-Improvement for Robot Policies [15.187022029195653]
  汎用ロボットポリシーと言語モデルエージェントは相補的な能力を提供するが、タスクの完了には物理的な相互作用の結果にそれらの使用を適用する必要がある。 我々は適応の軌跡として実行について研究し、フィードバックは現在の動作をガイドし、固定されたモデル重みの下で後の決定を修正するための証拠を提供する。 診断,接地動作,永続的な体験を3つのリビジョンターゲットで接続する,トレーニング不要のフレームワークであるRoboDoctorを紹介した。
  論文  参考訳（メタデータ） (2026-10-26T15:27:20Z)
• A Flow-Theoretic Multimodal Control Framework Fusing Mental and Physical Engagement for Upper-Limb Rehabilitation [2.881429486711349]
  脳波に基づく心的エンゲージメントとsEMGに基づく身体的エンゲージメントを融合させ,フロー理論によるマルチモーダルAANフレームワークを提案する。 4クワッドラントのファジィ判定エンジンは、これらの2つの生理的指標を連続的な制御ポリシーに変換する。
  論文  参考訳（メタデータ） (2026-10-15T09:36:19Z)
• Policy Iteration with Human Feedback: Bringing Post-Training RL to In-context Learning [2.4186365899373565]
  人間のフィードバックによるポリシーイテレーション(PIHF)は、言語ベースのタスクコンディショニングとコンテキスト内学習に取り組んでいる。 PIHFは事前訓練された言語モデルを実行基盤として使用し、永続的なリビジョンをバージョン管理された自然言語ポリシーとツールセットに移行する。 累積アブレーションと超希薄なベンチマークを通じて、PIHF由来のポリシーは、Recall@1を1つのプロプライエタリエグゼキュータと3つのオープンウェイトエグゼキュータで改善した。
  論文  参考訳（メタデータ） (2026-08-17T17:16:43Z)
• From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape [79.30826980815927]
  ルーブリックは、複雑な品質判断を構造化され、実行可能な標準に変換する明示的な基準セットです。 我々は,既存のルーリックデザインを体系的に整理し,その構築と最適化を検証し,評価と訓練をまたいだ役割を解析する。
  論文  参考訳（メタデータ） (2026-06-07T13:34:55Z)
• EmbodiedGovBench: A Benchmark for Governance, Recovery, and Upgrade Safety in Embodied Agent Systems [14.412476605788482]
  EmbodiedGovBenchは、エンボディエージェントシステムのガバナンス指向評価のためのベンチマークである。 現実的な摂動の下で、システムは制御可能か、ポリシーに縛られたか、回復可能か、監査可能か、進化安全かを評価する。
  論文  参考訳（メタデータ） (2026-04-13T08:34:04Z)
• Poor-Supervised Evaluation for SuperLLM via Mutual Consistency [20.138831477848615]
  正確なラベルを使わずに評価を行うためのPoEMフレームワークを提案する。 まず、モデルと特定の参照モデルとの整合性によって、モデルの能力が等価に評価できることを証明します。 現実の条件の不整合を緩和するために,人間(利用可能な場合)と参照モデルとして評価中のモデルを扱うアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2024-08-25T06:49:03Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• Revisiting the Gold Standard: Grounding Summarization Evaluation with Robust Human Evaluation [136.16507050034755]
  要約のための既存の人間の評価研究は、アノテータ間の合意が低かったり、スケールが不十分だったりしている。 細粒度セマンティック・ユニットをベースとした改良された要約サリエンス・プロトコルであるAtomic Content Units (ACUs)を提案する。 ロバスト・サムライゼーション・アセスメント(RoSE)ベンチマークは,28の上位性能システム上で22,000の要約レベルのアノテーションからなる大規模な人的評価データセットである。
  論文  参考訳（メタデータ） (2022-12-15T17:26:05Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)

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。