新興研究所

Sergey Levine

Physical Intelligence・UCバークレー

注目する理由: ロボット学習

人事異動

公開された人事異動はありません。

論文

論文2026-10-06 · arXiv (Cornell University)

人工知能エージェントの環境制御力と構造的中心性の関係を解明

The Geometry of Empowerment

Sergey Levine ほか3名

何を: 研究チームは、人工知能エージェントが周辺環境を制御する能力を指すエンパワーメントと、将来の結果への幅広いアクセスを可能にする構造的中心性との間の関係を明らかにしました。
主な結果: エンパワーメントの最大化とスキル学習手法を結びつけ、これを解釈・分析できる新しい幾何学的構造を提示しました。
意味: スケーラブルなエンパワーメント最大化手法を構築するために必要な理論的示唆を提供します。AI要約

エージェント・コーディング

要約を詳しく原文を読む ↗ PDF ↗

論文2026-10-05 · arXiv (Cornell University)

人工知能の行動模倣技術現象を研究するための新しい基準を開発

Behavioral Cloning Mystery

Sergey Levine ほか1名

何を: 人間のデモンストレーションに類似した特性を持つロボット操作評価ツールであるOCBenchを提案しました。
主な結果: このツールを通じて、グラフィックス処理装置（GPU）ベースの環境で行動模倣に関連する様々な現象を科学的に研究し、仮説を検証できることを示しました。
意味: ロボット学習技術において、これまで原因が不明確だった現象を制御された環境下で分析できる基盤を提供します。AI要約

ロボット・フィジカルAI

要約を詳しく原文を読む ↗ PDF ↗

論文2026-08-24

ロボットが考えている間に行動を学習する技術

Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency

Sergey Levine ほか19名

何を: 研究チームは、ロボットモデルの思考時間（推論遅延）によって発生する問題を解決する、遅延を認識する強化学習フレームワーク「ARLI」を開発しました。
主な結果: この新しい手法により、ロボットは遅延のある環境でも学習を正常に継続できるようになり、遅延のない理想的な環境と同等かそれ以上の性能を示しました。
意味: 複雑で巨大なロボットAIが実際の現場で停止や途切れなく、自ら性能を向上させることができる可能性を切り開きました。AI要約

推論効率・軽量化ロボット・フィジカルAI

要約を詳しく原文を読む ↗ PDF ↗

論文2026-08-03

ロボット制御の性能を高めるアクションチャンキング（Action chunking）の動作原理の解明

Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control?

Sergey Levine ほか5名

何を: ロボット制御において複数の行動を一度に予測して実行する「アクションチャンキング」技術の性能向上要因を実験を通じて分析した。
主な結果: 既存の仮説が誤りであることを示し、アクションチャンキングの成功の核心要因が時間的関係を多様に学習する「暗黙的アンサンブル（Implicit ensembling）」効果であることを明らかにし、それを活用した新しいポリシーを提案した。
意味: ロボット制御技術の性能を高める核心要因を明らかにすることで、今後の効率的なロボット学習モデルの開発に理論的基盤を提供している。AI要約

ロボット・フィジカルAI

要約を詳しく原文を読む ↗ PDF ↗

論文2026-06-11 · arXiv.org

ロボットの行動をより正確に誘導する新技術の開発

Improving Robotic Generalist Policies via Flow Reversal Steering

Sergey Levine ほか4名

何を: 様々なロボットデータセットで学習された汎用ロボットポリシーの性能を高めるため、不慣れな行動をより良い行動へと変換する「フロー・リバーサル・ステアリング（FRS）」という手法を制御設定において評価した。
主な結果: FRSを使用することで、人間やビジョン言語モデルの大まかな指示を優れたロボット行動に変換でき、1分未満の学習で最大95%の絶対的なタスク成功率の向上が見られた。
意味: 人間の指示や既存技術を活用し、ロボットが新しい作業でより優れた性能を発揮できるようにする可能性を示している。AI要約

ロボット・フィジカルAI

要約を詳しく原文を読む ↗ PDF ↗

本ページは公開論文・公式発表・報道を整理した情報提供用の資料です。論文要約は抄録をもとにAIが作成し運営者が確認したもので、原文と異なる場合があるため、重要な内容は原文をご確認ください。特定銘柄の売買推奨や投資助言ではありません。人事異動は公式発表または主要報道を出典として表示し、経歴の一部はウィキデータ（CC0）を参照しています。このページの要約は、運営者が確認した韓国語版をもとにAIが翻訳したものです。