論文の概要: Reversible Dynamics, Asymmetric Actions: Parking as a Trajectory-Level Affordance
- arxiv url: http://arxiv.org/abs/2611.07965v1
- Date: Thu, 05 Nov 2026 13:00:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.692391
- Title: Reversible Dynamics, Asymmetric Actions: Parking as a Trajectory-Level Affordance
- Title（参考訳）: 可逆ダイナミクスと非対称行動--軌道レベルアフォーダンスとしてのパーキング
- Abstract要約: 車と障害物の間に3つのクリアランスを分けます。
ステティックフィット(Static fit)は、駐車した車が最も許容できる目的地のポーズで保持するクリアランスである。
イベントアクセス$A_infty$は、無制限に修正できるクリアランスです。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Drivers are often told to back into a tight parking space, not drive in nose first. The advice looks paradoxical, because a slow car is dynamically reversible: reverse its speed and replay the steering backward, and it retraces a feasible path. Played backward, though, reverse-in shows a car driving forward out of the space. Reverse-in and forward-in are different tasks: they share a start position but end facing opposite ways. We separate three clearances between car and obstacles. Static fit $F$ is the clearance the parked car keeps at its best acceptable destination pose. Eventual access $A_\infty$ is the clearance it can keep all the way there with unlimited corrections. Resource-bounded access $A_K$ is the clearance that survives a budget of $K$ reversals, switches between forward and reverse. They satisfy $F\ge A_\infty\ge A_K$. In one fully specified scene (one car, bay, aisle and start), a certified argument proves $A_\infty=F=0.5000$ m for both tasks. In this scene, all certified forward/reverse asymmetry therefore arises at finite $K$: it lies in how many corrections each task needs, not in the clearance either can eventually keep. With one reversal, an explicit path gives reverse-in at least $0.4410$ m clearance. A certified reachability argument caps forward-in's one-reversal clearance at $d_0<0.1720002$ m. With two reversals, forward-in gets at least $0.2833$ m. To keep a clearance strictly above any $d$ with $d_0\le d<0.2833$ m, reverse-in thus needs exactly one reversal and forward-in exactly two when both tasks move forward first. If both move in reverse first, the counts are two and three. The contrast depends on the start position (Section 4.15). Proposed experiments test whether observers distinguish fit, eventual access and budgeted access. They compare these with simpler cues, such as how the turning body sweeps, and learned manoeuvre labels.
- Abstract（参考訳）: ドライバーはしばしば、鼻の中では運転せず、狭い駐車場に戻るように言われる。
スピードを逆転させ、ハンドルを後ろに回して、実現可能なパスを繰り返す。
しかし、後ろ向きに再生すると、車が空間から突き出ていく様子が逆転している。
リバースインとフォワードインは異なるタスクである。
車と障害物の間に3つのクリアランスを分けます。
ステティックフィット(Static fit)は、駐車した車が最も許容できる目的地のポーズで保持するクリアランスである。
イベントアクセス$A_\infty$は、無制限に修正できるクリアランスです。
リソースバウンドアクセス$A_K$は、$K$逆転の予算を生き残るクリアランスであり、フォワードとリバースを切り替える。
それらは$F\ge A_\infty\ge A_K$を満たす。
完全に指定されたシーン(車、ベイ、通路、スタート)では、証明された議論は両方のタスクに対して$A_\infty=F=0.5000$mを証明している。
この場面では、すべての証明されたフォワード/リバース非対称性は、有限の$K$で生じる。
1つの逆転の場合、明示的な経路は少なくとも0.4410$mクリアランスを与える。
証明された到達可能性の議論は、フォワードインの一逆クリアランスを$d_0<0.1720002$ mに制限する。
2つの逆転で、フォワードインは少なくとも0.2833$mを得る。
$d_0\le d<0.2833$ m の任意の$d$を厳密に上回るクリアランスを維持するために、両タスクが先に進むと、リバースインは正確に1つのリバースとフォワードインが必要である。
両者が最初に逆転すると、カウントは2と3になる。
コントラストは開始位置に依存する(Section 4.15)。
提案された実験は、観測者が適合性、最終的なアクセス、予算化されたアクセスを区別するかどうかをテストする。
彼らはこれらを、回転する体がどのように掃除されるかといった単純な手がかりと比較し、操作ラベルを学習した。
関連論文リスト
- There Is No Free Lunch in RLVR: Every pass@1 Gain Has a pass@k Price [1.8750885569010352]
検証可能な報酬(RLVR)による強化学習は、最初の試行において言語モデルがより多くの問題を解き、試行数が増えると少ない。
排他的な特殊化の下では、pass@1を発行する更新はすべて、いくつかのプロンプトの成功を厳密に低下させる。
同じ傾きの恒等式はエントロピー崩壊とエントロピー・パフォーマンス法則を識別可能な指数で生成する。
論文 参考訳（メタデータ） (2026-10-29T03:43:26Z) - Contrastive Covariance Subspaces for Activation Steering [67.62626452204076]
共分散ステアリング(Contrastive Covariance Steering, CCS)は, 共分散を除去する訓練不要な手法である。
CCSは12ドルモデルドメイン設定ですべてのベースラインステアリングメソッドを一貫して上回っている。
提案手法は,CCSが概念表現と流速の両方を維持できるマルチターン会話に拡張する。
論文 参考訳（メタデータ） (2026-09-29T20:20:07Z) - Directional Contextual Representations for Dependency Relations: Why Cross-Direction Pairing Fails [22.49571926071395]
トークンの前方状態とエンファンシデントの後方状態(クロス・ディレクションのペアリング,$F_i$ vs. $B_j$)とのペアリングが一貫して同一方向ペアリングを行い,ペナルティ・アンファングロウは縮小せず,トークン距離が有意であることを示す。
論文 参考訳（メタデータ） (2026-08-21T00:50:25Z) - Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。
我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。
この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
論文 参考訳（メタデータ） (2026-08-01T13:49:46Z) - Asymptotically Optimal Regret for Reinforcement Learning without Horizon Dependence [54.59847568544922]
有限水平時間同質なマルコフ決定過程に対して、$A$状態、$A$アクション、hoighty $H$、および1ドルで有界なトラジェクティブ当たりの合計報酬について、地平自由な後悔について検討する。
失敗確率$$K$はエピソード数で$tilde O(sqrtSAK+S3K)$ hides $mathsfpolyである。
論文 参考訳（メタデータ） (2026-07-22T07:42:19Z) - When Is Rank-1 Steering Cheap? Geometry, Granularity, and Budgeted Search [61.73232505100331]
アクティベーションステアリングは、再トレーニングせずにLSMを制御する軽量な方法を提供するが、その効果は概念によって大きく異なる。
我々は介入層と係数に対する予算制約付き最適化としてランク1ステアリングを定式化する。
操作困難の原因の診断にアクティベーション幾何を利用するグラニュラリティおよび表現認識概念工学フレームワークである textitGRACE を提案する。
論文 参考訳（メタデータ） (2026-05-09T14:26:49Z) - Online Learning in MDPs with Partially Adversarial Transitions and Losses [42.59565593884281]
遷移関数がほとんどのステップであるが,1エピソードあたり$$$の固定サブセットで逆向きに振る舞うことができるMDPの強化学習について検討した。
両エピソードの相違が相変わらず安定なエンプレクショナル・コンディショニング・コンディショナー(Emphconditioned occupancy measures)を導入する。
我々は,全情報フィードバックと盗賊フィードバックの両面から,敵対的MDPの反抗的設定(=H-1$)の後悔を特徴づける。
論文 参考訳（メタデータ） (2026-02-10T07:13:11Z) - Near-optimal Regret Using Policy Optimization in Online MDPs with Aggregate Bandit Feedback [49.84060509296641]
オンライン有限水平マルコフ決定過程を逆向きに変化した損失と総括的帯域幅フィードバック(フルバンド幅)を用いて研究する。
この種のフィードバックの下では、エージェントは、軌跡内の各中間段階における個々の損失よりも、軌跡全体に生じる総損失のみを観察する。
この設定のための最初のポリシー最適化アルゴリズムを紹介します。
論文 参考訳（メタデータ） (2025-02-06T12:03:24Z) - Tripartite entanglement and tripartite steering in three-qubit pure states induced by vacuum--one-photon superpositions [12.784167274298506]
本稿では,$leftvert psi rightrangle _123$ の真の三部構造エンタングルについて,コンカレンスフィリングの尺度を用いて検討する。
状態 $leftvert psi rightrangle _123$ は絡み合いを示すが、パラメータ空間のかなりの部分ではステアリングは達成不可能である。
論文 参考訳（メタデータ） (2024-01-25T17:24:20Z) - Dropout as a Regularizer of Interaction Effects [76.84531978621143]
ドロップアウトは高次相互作用に対する正則化器である。
我々はこの視点を分析的かつ実証的に証明する。
また、高次相互作用に対して同じ選択的な圧力を得ることも困難である。
論文 参考訳（メタデータ） (2020-07-02T01:11:52Z)
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。