ゼロショット
その課題のための追加の練習や例示を与えずに、いきなり実行すること。似た経験からの一般化だけで対応する状況を指す。
たとえば: 説明書や練習なしで、新しい家電を直感で操作して使いこなすようなもの。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- 分子相互作用の基盤モデル「Bonbon」は配列ペアだけの事前学習でゼロショット能力を示すと報告
タンパク質‐リガンド配列ペアを大規模に学習した基盤モデルBonbonが、機能・結合部位・結合様式の3階層でゼロショット能力を示すと報告。最大規模で能力が急に伸び、損失だけでは出現時期を読めない可能性も示された。
- 一般ist AIがロボットを直接動かす「AMP」を分析し、参照ハーネスAMP1を提案
一般ist AIモデルがマニピュレータを直接指揮するAMPを体系的に分析。単腕・双腕・移動で変更なしに動くAMP1を提示し、複数ベンチマークと実機試行で高いゼロショット性能を報告する。
- ユーザ埋め込みを「行動モードの疎な重ね合わせ」として読む試み
推薦などで使われる不透明なユーザ埋め込みを、解釈可能な行動モードの疎な重ね合わせとして捉え直す枠組みを提案する。疎オートエンコーダなどでモードを回復し、自然言語で命名・検索できるとする。合成データと2つの実データで検証した。
- 多指ハンドの物体姿勢到達で「落とさない」も評価する:LEAPハンド向け学習レシピと安全フィルタ
多指ハンドのin-hand object pose reachingを、手首姿勢が変わっても長い連続目標列で扱い、安全性(落下)も測る枠組みを提示。人手データなしのシミュレーション学習とゼロショット実機転移、安全フィルタで性能と安全の調整を示す。
- Ropedia W0:人間とロボットをまたぐ「移動+操作」の世界モデルを目指す研究
人間と複数ロボットのエゴセントリックデータを統一表現で学習し、移動と操作を同時に予測する世界モデルRopedia W0を提案する。10k時間(人)+3k時間(ロボ)のデータセットと長時間ベンチマークを整備し、複数ベンチマークでSOTAと報告している。
- 家庭向けロボットの「好み」を測るベンチマークLIBERO-PeRM
LIBERO-PeRMは、ロボット操作における「タスク達成」と「嗜好満足」を分けて評価するためのベンチマーク。観測可能な嗜好を分類し、嗜好あり/なしのペアデモと312タスクを提供する。実験ではゼロショットの個人化が難しく、SFTで嗜好が学習可能になると報告する。
- 単一の人間動画を「逐次的シーングラフ」にしてRLを導く:Dex-One2Manyの提案
Dex-One2Manyは、単一の人間動画を逐次的シーングラフに抽象化し、RLの探索と報酬設計を同時にガイドする枠組みを提案する。動画にない姿勢や把持への一般化と、多段タスクでの探索困難の緩和を狙う。5タスクで、見た構成では6.5%、見ていないシナリオでは71%ベースラインを上回ったと報告する。
- RoboJEPAが示す、ロボット向け潜在世界モデルの「計算量と誤差」のスケーリング
JEPAベースの潜在世界モデルRoboJEPAについて、計算量に対するimagination errorのスケーリング則(2次のパワーロー)と、計画性能との相関を示した。実機で単一ゴール画像に向けたゼロショット計画のデモと、コード公開も報告している。
