ロールアウト
ある方策で実際に(または模擬的に)動かしてみて、行動と結果の一連の記録を得ること。その実行ログ全体を指すこともある。
たとえば: 地図アプリの指示どおりに最後まで歩いて、道順の記録を残すようなもの。
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
- シミュレーションRLの制御知識を「潜在文脈」として再利用し、少量デモで器用操作を学ぶ枠組み
視覚デモが限られる器用操作学習に向け、特権情報ありのシミュレーションRLで得た制御知識を蒸留し、凍結したデコーダを保ったまま画像から潜在文脈を学習する2段階手法を提案。3タスクで低データ時の性能向上を報告する。
- 物理研究を「正しさ」と「出版可能性」まで測るベンチマークFrontierPhysics
FrontierPhysicsは、文献調査から論文原稿作成までを含む物理研究のエンドツーエンド評価を目指す。決定的検証器と専門家ルーブリックで、正しさと出版可能性を併せて判定する。22モデル×26構成の結果、合格数は168回中46回を超えなかった。
- 接触力も扱うヒューマノイド動作学習「FLORE」:両手と全身の協調を狙う枠組み
FLOREは、接触力と動作を同時に扱うヒューマノイドのloco-manipulationを学習する枠組み。ロボットフリー実演で力情報を集め、拡散方策が手ごとの力指令まで予測し、全身制御で実行する。実機の接触リッチタスクで成功率80%を報告する。
- ロボット行動モデルを「安く」見積もる指標:Sensorimotor Alignment(S^2)の提案
高コストな閉ループ評価に代わる手段として、学習不要のオフライン指標S^2を提案。感覚表現と物理運動の幾何の整合を測り、タスク成功と正に相関すると報告する。モデル選別や現象理解への活用も述べる。
- 言語エージェント学習で「行動」と「先読み」を同時に鍛える提案(Co-Evolving Acting and Forecasting)
長いロールアウトのコストと終端報酬偏重で中間監督が活きにくい課題に対し、成功軌跡から後続の行動列を学ぶ「multi-step action targets」を導入。5ベンチマークでGRPO等より強い総合性能と、ScienceWorldで最大2.0×のサンプル効率を報告する。
- LoopWAM:デプロイ後の混合品質ロールアウトからロボット方策を改善する枠組み
LoopWAMは、成功から失敗まで混ざった実環境ロールアウトをそのまま学習に使い、クローズドループで汎用ロボット方策を改善するworld-action modelを提案する。行動学習と世界モデル化を統合し、品質に応じて模倣を調整する。複数ベンチマークで成功率の向上が報告されている。
