論文の概要: MAGAR: Multimodal Agents for GUI-Based 3D Mechanical Assembly and Minimal Rework
- arxiv url: http://arxiv.org/abs/2611.02472v1
- Date: Mon, 02 Nov 2026 03:40:49 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 19:48:02.264307
- Title: MAGAR: Multimodal Agents for GUI-Based 3D Mechanical Assembly and Minimal Rework
- Title（参考訳）: MAGAR:GUIベースの3Dメカニカルアセンブリとミニマルリワークのためのマルチモーダルエージェント
- Abstract要約: 我々は、アセンブリ決定、アトミックアクション、ミニマルリワークを分離する26のアセンブリーファミリーから4000のマルチモーダルサンプルのベンチマークであるMAGAR-Benchを紹介する。
再作業の目的は、アクションの数ではなく、各状態に対する検証されたリカバリ候補セット内の、個別に移動した部分を数えることである。
また、教師付き微調整により得られる凍結ポリシーに基づく選択補正フレームワークであるMAGARについても紹介する。
- 参考スコア（独自算出の注目度）: 22.73150883265134
- License:
- Abstract: A GUI command can be correct at the interface level yet still produce an incorrect assembly. An agent must identify the relevant components, respect their structural relationships, and determine which parts should move during recovery. We introduce MAGAR-Bench, a benchmark of 4,000 multimodal samples from 26 assembly families that separates Assembly Decision, Atomic Action, and Minimal Rework. For rework, the objective counts distinct moved parts within the validated recovery candidate set for each state, rather than the number of actions. We also introduce MAGAR, a selective correction framework built on a frozen policy obtained by supervised fine-tuning. Its key design matches correction granularity to output dependencies. Structured candidates revise assembly fields and rework scope, while complete action candidates keep native GUI primitives coupled with their parameters. A learned selector retains the original prediction unless a candidate passes a task-specific intervention threshold. On recorded states from held-out assembly families, MAGAR improves Overall, the task-balanced aggregate, from 37.50 to 41.39, with gains on all three tasks. Across 209 interventions, 70 correct an error and 22 introduce one. These results support task-specific correction while highlighting the remaining tradeoff between fixing errors and preserving reliable predictions.
- Abstract（参考訳）: GUIコマンドはインターフェースレベルでは正しいが、正しくないアセンブリを生成する。
エージェントは関連するコンポーネントを特定し、それらの構造的関係を尊重し、回復中にどの部分が動くべきかを決定する必要がある。
我々は、アセンブリ決定、アトミックアクション、ミニマルリワークを分離する26のアセンブリーファミリーから4000のマルチモーダルサンプルのベンチマークであるMAGAR-Benchを紹介する。
再作業の目的は、アクションの数ではなく、各状態に対する検証されたリカバリ候補セット内の、個別に移動した部分を数えることである。
また、教師付き微調整により得られる凍結ポリシーに基づく選択補正フレームワークであるMAGARについても紹介する。
その鍵となる設計は、修正の粒度と出力の依存関係とを一致させる。
構造化された候補はアセンブリフィールドとリワークスコープを変更し、完全なアクション候補はネイティブGUIプリミティブとパラメータを結びつける。
学習したセレクタは、候補がタスク固有の介入しきい値を通過しない限り、元の予測を保持する。
ホールドアウト・アセンブリー・ファミリーからの記録では、MAGARは総じて37.50から41.39までのタスクバランス・アグリゲーションを改善し、3つのタスクすべてでゲインを得ている。
209回の介入、70回のエラー修正、22回の導入。
これらの結果は、修正エラーと信頼性のある予測との残りのトレードオフを強調しながら、タスク固有の修正をサポートする。
関連論文リスト
- Task-Specialized Language-Conditioned Models for Fine-Grained Robotic Manipulation [4.218188154252421]
我々はCoRL 2026でMetaFineオープンコンペティションに応募しました。
5つの独立して訓練されたモデルは、凍結したDINOv2とCLIPエンコーダを備えた共通アーキテクチャを使用する。
我々は, 接触認識型グリップフィルタ, 命令マッチングデータ, 挿入故障の専門的補正により, 実演を改善する。
論文 参考訳（メタデータ） (2026-10-31T13:57:49Z) - Local Work, Global Progress: A Convergence Theory of AI Agent Collaboration [53.657104889705856]
我々はブロック最適化として協調的な問題解決を定式化する。
コーディネータは、グローバルな目的に対して全ての提案をチェックし、干渉しない提案をマージする。
線形収束を誤差フロアまで証明し、補正が正確であれば消滅する。
論文 参考訳（メタデータ） (2026-10-20T14:37:06Z) - CheckDistill: Adaptive Checklist Distillation for Efficient Distributional Reward Modeling in Image Editing [16.72729078802757]
CheckDistillは、命令適応型チェックリストを内部化するポイントワイズ報酬モデリングフレームワークである。
チェックリスト、項目レベルの判断、次元レベルの合理化に関する特権教師の条件は、学生のスコアリングの軌跡を監督する。
CheckDistillは、MMRB2、MER-Bench、EditReward-Benchでそれぞれ72.30%、56.67%、82.90%のアキュラシーを達成している。
論文 参考訳（メタデータ） (2026-10-19T17:05:46Z) - WorkRover: Scaling Long-Horizon Cowork Agent Training Via Recursive Environment Evolution [101.12175332979554]
環境進化を通じて長期のコワーキングエージェントを訓練するためのフレームワークであるWorkRoverを紹介する。
Factorial Compatibility Replay (FCR)は、ロールアウトフィードバックを使用してコンポーネントのリビジョンの組み合わせを評価する。
Verifier-to-Turn Credit Assignment (VTCA)は、決定論的ワークスペース-プログレスチェックからの信号でトラジェクトリレベルのGRPOのアドバンテージを増大させる。
論文 参考訳（メタデータ） (2026-10-13T09:52:02Z) - Benchmarking Self-Supervised 3D Medical Vision Foundation Models and Transferability Estimation [57.65266782182578]
セルフ教師付き事前トレーニングは、3D医療基盤モデルのプールを拡張したが、異なるデータセット、エンドポイント、微調整プロトコルを使用した評価を公表した。
14のセグメンテーション、分類、回帰タスク、複数の解剖学とモダリティにまたがる23の候補をベンチマークした。
3モデルショートリストは、7つのセグメンテーションタスクで記録された抜粋+訓練ジョブ時間を85.8%削減した。
論文 参考訳（メタデータ） (2026-10-13T01:52:19Z) - CIRRA: Dual-Level Continual Instruction Reconciliation with Ongoing Execution for Embodied Robot Agents in Interactive Household Tasks [32.50749324061925]
家庭ロボットは、進行中のタスクを実行している間に、新しいユーザー指示を許容しなければならない。
既存のエージェントは、しばしば残りのタスクシーケンスを再生または広範囲に更新する。
CIRRA(Continual Instruction Reconciliation for Robot Agents)を提案する。
論文 参考訳（メタデータ） (2026-10-05T19:14:21Z) - Predict Before You Deploy: Offline Prediction of Quantization-Induced Task Degradation for World Action Models [2.347191837057308]
トレーニング後の量子化はメモリを削減するが、ビット幅、グループ化、および量子化器の選択は大きな構成空間を定義する。
オフライン動作偏差から量子化によるタスク劣化を予測するためのポリシ校正フレームワークであるPreDEを提案する。
独立に調整された2つのポリシーに対する450のフランカ・リサーチ3の試験では、試験前に高分解能グループに割り当てられた全ての構成が著しく劣化した。
論文 参考訳（メタデータ） (2026-09-16T21:25:37Z) - CalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal Tasks [87.1086886770395]
CalibForgeは、自律型ターミナルタスク合成システムである。
検証されたソルバの挙動を用いて、逆ソルバの校正によって候補タスクを修正する。
CalibForgeを使って5,431の端末タスクを構築します。
論文 参考訳（メタデータ） (2026-08-06T17:53:18Z) - Code-Guided Reasoning for Small Language Models: Evaluating Executable MCQA Scaffolds [14.64394876057282]
評価プロトコルと生成プログラムリソースであるCode-Guided Reasoning (CGR)を紹介する。
CGRは6つのコンポーネントを標準化している: 正規化されたアイテムインターフェース、直接解決プロンプト、ジェネレータプロンプト、Pythonの足場、ソルバコールと抽出ヘルパー、3チャンネルの結果レコード。
20,498行のMCQAバンドルと6つのメタデータ登録ソルバモデルからの保存結果行に対して、観測された非ゼロベースライン分割は66.21%のマクロアシスト精度と38.11%の直接精度を示している。
論文 参考訳（メタデータ） (2026-05-12T20:20:06Z) - Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。
4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。
一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
論文 参考訳（メタデータ） (2025-08-05T12:52:09Z) - MASS: MoErging through Adaptive Subspace Selection [55.03293736484465]
モデルマージの新しいアプローチであるMASS(MoErging through Adaptive Subspace Selection)を提案する。
MASSはタスクごとに最も健全な特異なコンポーネントのみを格納し、それらを共有モデルにマージする。
我々は,8,14,20タスクのベンチマークに対して,ViT-B-16,ViT-B-32,ViT-L-14を用いて,CLIPに基づく画像分類のMASSを評価する。
論文 参考訳（メタデータ） (2025-04-06T08:49:52Z)
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。