論文の概要: TriPhysBench: Evaluating Physical Intelligence for Embodied Agents

• arxiv url: http://arxiv.org/abs/2611.01934v1
• Date: Sun, 01 Nov 2026 14:12:41 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:23:09.615698
• Title: TriPhysBench: Evaluating Physical Intelligence for Embodied Agents
• Title（参考訳）: TriPhysBench: 身体的エージェントの物理的知性の評価
• Abstract要約: 身体的エージェントは、身体的知覚、身体的知識の検索、身体的推論を通じて周囲を理解するために身体的知性を必要とする。 我々はTriPhysBenchを紹介した。TriPhysBenchは200のビデオから410の質問をベンチマークし、これらの機能を共有評価設定に持ち込む。 本稿では,TriPhysについて紹介する。TriPhysは,完全なツール統合トラジェクトリから,物理的な知覚,知識検索,定量的推論の統一的なポリシを学習するフレームワークである。
• 参考スコア（独自算出の注目度）: 38.67650318932987
• License:
• Abstract: Embodied agents need physical intelligence to understand their surroundings through physical perception, physical knowledge retrieval, and physical reasoning. These capabilities must work together to interpret events and make quantitative judgments. Existing benchmarks advance physical understanding and general-purpose tool use, yet the coordination of these capabilities in physical scenarios remains insufficiently characterized. Inspired by Popper's Three Worlds, we introduce TriPhysBench, a benchmark of 410 questions from 200 videos that brings physical perception, physical knowledge retrieval, and physical reasoning into a shared evaluation setting. Its measurement-grounded and knowledge-grounded subtasks impose complementary demands on obtaining observations and acquiring external specifications, then applying them to quantitative problems. Among six representative vision-language models, the best achieves an answer accuracy of only 50.38%, revealing limited performance on tasks that require these capabilities to work together. We further introduce TriPhys, a framework that learns a unified policy for physical perception, knowledge retrieval, and quantitative reasoning from complete tool-integrated trajectories. The policy uses intermediate reasoning to guide retrieval and computation, then incorporates tool feedback into subsequent physical inference. On 110 questions from videos excluded from training, TriPhys improves answer and solution scores across three Qwen configurations, with a 17.7% relative gain in answer accuracy for TriPhys-27B over its Qwen3.6-27B backbone. This work provides a benchmark and a learning pathway toward embodied agents that move beyond recognizing events to understanding and reasoning about the physical processes behind them.
• Abstract（参考訳）: 身体的エージェントは、身体的知覚、身体的知識の検索、身体的推論を通じて周囲を理解するために身体的知性を必要とする。 これらの能力は、出来事を解釈し、定量的な判断をするために協力しなければなりません。 既存のベンチマークでは、物理的な理解と汎用ツールの使用が進んでいるが、物理的なシナリオにおけるこれらの機能の調整は、まだ不十分である。 PopperのThree WorldsにインスパイアされたTriPhysBenchは、200のビデオからの410の質問のベンチマークで、物理的な知覚、物理的な知識の検索、物理的推論を共有評価設定にもたらす。 測定と知識に基づくサブタスクは、観測と外部仕様の取得に補完的な要求を課し、それを定量的な問題に適用する。 6つの代表的な視覚言語モデルの中で、最高の解答精度は50.38%に過ぎず、これらの機能を連携させるために必要なタスクのパフォーマンスが制限されていることが判明した。 さらに,TriPhysについて紹介する。TriPhysは,ツール統合トラジェクトリから,物理的な知覚,知識検索,定量的推論の統一的なポリシを学習するフレームワークである。 このポリシーは中間推論を用いて検索と計算をガイドし、ツールフィードバックをその後の物理的推論に組み込む。 トレーニングから除外されたビデオからの110の質問に対して、TriPhysは3つのQwen構成の回答と解のスコアを改善し、Qwen3.6-27BのバックボーンよりもTriPhys-27Bの回答精度が17.7%向上した。 この研究は、イベントの認識を超えて、それらの背後にある物理的なプロセスを理解し、推論する、エンボディエージェントに対するベンチマークと学習経路を提供する。

関連論文リスト

• PhysAlign: A Benchmark for Evidence-Grounded Role Alignment in Multimodal Physics Reasoning [44.02570489355995]
  物理図理解の鍵となる課題は、視覚情報をそれが記述する物理的実体、関係、条件と正しく関連付けることである。 PhysAlignは、マルチモーダルモデルが物理図から認識された情報をその物理的役割と正しく関連付けるかどうかを評価するために設計されたベンチマークである。 これには、986の物理問題にまたがる3,341個の人間検証プローブが含まれており、視覚認識と物理的ロール対応の体系的な評価を可能にしている。
  論文  参考訳（メタデータ） (2026-09-27T07:34:22Z)
• PhysMRV: Physical Memory Retrieval and Verification for Physics Plausibility Reasoning [10.8081248403127]
  ビデオ言語モデル(VLM)は,映像理解と視覚的質問応答において優れた性能を発揮している。 トレーニング不要な物理メモリと検証フレームワークであるPhysMRVを提案する。
  論文  参考訳（メタデータ） (2026-07-11T08:06:04Z)
• MaD Physics: Evaluating information seeking under constraints in physical environments [9.838647620046155]
  測定は、私たちの理解を改善するために、新しい現象を明らかにすることによって、科学的プロセスを促進する。 科学的発見のためのエージェントを評価するための既存のベンチマークは、静的知識に基づく推論か、制約のない実験的な設計タスクに焦点を当てている。 本研究では,測定の質と量に制約のある情報的測定と結論をエージェントが行う能力を評価するためのベンチマークである測定・発見物理を提案する。
  論文  参考訳（メタデータ） (2026-05-11T16:37:19Z)
• SeePhys: Does Seeing Help Thinking? -- Benchmarking Vision-Based Physics Reasoning [95.2886065291234]
  物理問題に基づく推論のための大規模マルチモーダルベンチマークである SeePhys を提示する。 このベンチマークは、物理学の分野にまたがる7つの基本的な領域をカバーし、21のカテゴリの非常に異質なダイアグラムを取り入れている。 最も先進的な視覚推論モデル(例えばGemini-2.5-proやo4-mini)でさえ、ベンチマークで60%未満の精度を実現している。
  論文  参考訳（メタデータ） (2025-05-25T11:28:34Z)
• PhysBench: Benchmarking and Enhancing Vision-Language Models for Physical World Understanding [21.91860938879665]
  視覚言語モデル(VLM)は、常識的推論において優れているが、物理世界を理解するのに苦労していることを示す。 本稿では、VLMの一般化強度とビジョンモデルの専門知識を組み合わせたフレームワークであるPhysAgentを紹介する。 以上の結果から,VLMの物理世界理解能力の向上は,Mokaなどのエージェントの具体化に有効であることが示唆された。
  論文  参考訳（メタデータ） (2025-01-27T18:59:58Z)
• Intrinsic Physical Concepts Discovery with Object-Centric Predictive Models [86.25460882547581]
  PHYsical Concepts Inference NEtwork (PHYCINE) は、異なる抽象レベルの物理概念を監督なしで推論するシステムである。 物理概念変数を含むオブジェクト表現は因果推論タスクの性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-03-03T11:52:21Z)
• PACS: A Dataset for Physical Audiovisual CommonSense Reasoning [119.0100966278682]
  本稿では,物理コモンセンス属性にアノテートされた最初のオーディオヴィジュアル・ベンチマークPACSについて述べる。 PACSには13,400の質問対があり、1,377のユニークな物理コモンセンス質問と1,526の動画が含まれている。 PACSを用いて,新しい課題に対して複数の最先端モデルを評価する。
  論文  参考訳（メタデータ） (2022-03-21T17:05:23Z)

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。