論文の概要: Embodied AI for Scientific Discovery: From Physical Action to Scientific Evidence

• arxiv url: http://arxiv.org/abs/2611.04371v1
• Date: Tue, 03 Nov 2026 05:59:43 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:58:32.414045
• Title: Embodied AI for Scientific Discovery: From Physical Action to Scientific Evidence
• Title（参考訳）: 科学的発見のための身体的AI:物理行動から科学的エビデンスへ
• Abstract要約: このレビューは、実験自体が部分的に観察される科学のためのAIを具現化した、そのインターフェースを1つの問題として扱う。 文献の組織化には, 手術閉鎖, 手術閉鎖, 手術閉鎖, 口蓋閉鎖の3つのレベルがある。 我々は、レコード、診断、校正、確認という、記録に繋がったエビデンスサイクルを、フィードバックを伴う分析関数として分析する。
• 参考スコア（独自算出の注目度）: 39.97829993241287
• License:
• Abstract: Scientific experiments are increasingly selected, executed and interpreted by learned systems that act through physical interfaces. Robot learning builds physical competence, whereas AI for science chooses which experiment to run, each reporting different endpoints. This review treats their interface as one problem, embodied AI for science, where the experiment itself is partially observed: specimen state, apparatus state and measurement processes are latent, actions are costly and irreversible, and missingness depends on execution and outcome. We organize the literature by three closures operating at distinct levels: operational closure (the experiment realized is the one intended), epistemic closure (the result updates beliefs or selects subsequent experiments) and evidential closure (the record supports a claim). We analyze workflows through a record-linked evidence cycle - Record, Diagnose, Calibrate, Confirm - as analytic functions with feedback. A taxonomy crosses these closures with six delegated decisions and five embodiment classes. Our formulation separates commanded, realized and observed conditions and models diagnosis with explicit resource, risk and sample-change costs. We compare experiment-selection methods by terminal decision, review perception, protocol compilation, visuomotor policies, world models, recovery and transfer by evidence emission requirements, and compare chemistry, materials, biology, microscopy and field workflows by what their records establish. An appendix provides an evidence map of 28 workflows (26 physical, two software-boundary), characterizing validation pathways and claim confirmation requirements. We propose evaluation that separates actions, valid experiments, campaigns and confirmed claims, framing open challenges as controlled comparisons with measurable failure conditions.
• Abstract（参考訳）: 科学実験は、物理インターフェースを介して作用する学習システムによって、ますます選択され、実行され、解釈される。 ロボット学習は物理的な能力を構築するが、科学のためのAIはどの実験を実行するかを選択し、それぞれ異なるエンドポイントを報告する。 実験そのものが部分的に観察されている: 検体状態、装置の状態、測定プロセスは潜伏しており、アクションはコストがかかり、不可逆であり、不足は実行と結果に依存する。 文献の組織化には,操作的クロージャ(実験が意図したものである),てんかん的クロージャ(結果が信念を更新する,あるいはその後の実験を選択する),明快なクロージャ(記録はクレームを支持する)の3つのレベルがある。 我々は、記録にリンクされたエビデンスサイクル(レコード、診断、校正、確認)を通じてワークフローを、フィードバックを伴う分析機能として分析する。 分類学は、これらの閉鎖を6つの委任された決定と5つの実施階級で横断する。 我々の定式化は、明確なリソース、リスク、サンプル変更コストで指示、実現、観察された条件とモデル診断を分離する。 本研究では, 端末決定, レビュー認識, プロトコルコンパイル, ビジュモータポリシ, ワールドモデル, エビデンスエミッション要求による回収と転送による実験選択手法を比較し, それらの記録の確立した内容から化学, 材料, 生物学, 顕微鏡, フィールドワークフローを比較した。 付録は28のワークフロー(26の物理、2つのソフトウェア境界)のエビデンスマップを提供し、検証パスとクレーム確認要件を特徴づけている。 本研究では, 評価可能な障害条件との比較として, 行動, 有効な実験, キャンペーン, 確認されたクレームを分離し, オープン課題をフレーミングする評価法を提案する。

関連論文リスト

• Labference: Benchmarking the Reasoning-Action Connection in Robotic Laboratories [36.32595311374066]
  Embodied AI for Scienceは、実験目標を信頼性のある物理的手順に変換するロボットを必要とする。 本稿では、観測結果がその後の選択をどのように導くかを評価するためのベンチマークであるLabferenceを紹介する。
  論文  参考訳（メタデータ） (2026-10-26T11:33:55Z)
• ACED-Bench: Evaluating How LLM Agents Acquire and Act on Causal Evidence [40.670500527968926]
  本稿では,この要件に基づいて構築されたニューロシンボリックベンチマークであるACED-BENCH(Active Causal Evidence and Decision Benchmark)を紹介する。 主要なリーダーボードACED-COREには180のタスクが含まれている。 我々は,3つのアクティブエージェント設計における7つの現代LCMと2つの先行世代モデルを評価した。
  論文  参考訳（メタデータ） (2026-10-09T23:01:57Z)
• MultiEcho: An Experimental Science of Learned Worlds [0.5831737970661138]
  MultiEchoは、物理法則とは独立かつ関係なく、学習世界の法則を研究するためのフレームワークである。 3参照推定器は完全な介入応答を予測し、介入パラメータを回復する。 実験は応答予測可能性、介入可読性、物理的精度を区別する。
  論文  参考訳（メタデータ） (2026-09-27T08:17:42Z)
• Where Does Retrieval-Based Open-Ended Evaluation Fail? Automatic Taxonomy Induction from Long-Form Medical Answer Factuality Verification [50.168648286292004]
  既存のRAG診断では、金の回答や注釈付き金の証拠が必要であり、どちらもこの体制には存在しない。 オープンエンドのMedExpertデータセットと3つのクローズドエンドデータセットに関するケーススタディに基づいた総合的な2つのデータセットを紹介した。 我々は, LLM-as-Judge を用いた自動パターン誘導パイプラインを適用し, 証拠品質をラベル付けし, 大規模な検証器推論誤差を分類する。
  論文  参考訳（メタデータ） (2026-09-24T19:04:23Z)
• EarthVerse: Benchmarking Scientific Agents Across Dynamic Earth Systems and Natural Hazards [73.12811119273206]
  我々は,包括的調査を通じて科学的エージェントを評価するベンチマークであるEarthVerseを紹介する。 エージェントは異種イベントパッケージを検査し、互換性のあるエビデンスを選択し、透過的な計算を実行し、ソース差を調整し、最終回答で証明を保存する。 システム全体では、平均回答ユニットの精度は84.65%であり、最も高いStrict@95は34.81%である。
  論文  参考訳（メタデータ） (2026-08-24T17:29:16Z)
• Socratic agents for autonomous scientific discovery in high-dimensional physical systems [24.054349223347966]
  AHOISはソクラテスの助産師をクローズドループの実験に埋め込む。 物理批判的エージェントは因果質問を通じて仮説を尋問する。 AHOISは、ランダム干渉符号化仮説を自律的に提案し、検証した。
  論文  参考訳（メタデータ） (2026-06-25T08:01:07Z)
• Confounder Detection via Treatment Intent: A New Observational Study Design [69.50062870487349]
  我々は、治療意図による共同設立者検出と呼ばれる新しい研究設計を導入する。 このアイデアは、治療決定を行う人間の専門家に問い合わせ、ペアのユニットの比較を依頼する。 ICUで収集された電子的健康記録が未確認のコンファウンディングの対象であることの実証的証拠を示す。
  論文  参考訳（メタデータ） (2026-05-26T00:41:47Z)
• Embodied Science: Closing the Discovery Loop with Agentic Embodied AI [73.54118756665221]
  我々は、科学的発見をクローズドループとして再編成し、エージェント推論と物理的実行を密結合するパラダイムであるエンボディド・サイエンスを論じる。 本研究では,実験環境の知覚,科学的知識の推論,身体的介入の実行,その後の探索を促進するための成果の内在化といった,統合された知覚・言語・行動発見(PLAD)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-20T09:20:12Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)

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。