自己進化学習
要約済み 1
-
hf-papers 3日前 43D空間推論の自己進化AI、9項目でSOTA達成SpatialEvo: Self-Evolving Spatial Intelligence via Deterministic Geometric Environments
研究チームが幾何アノテーション不要の自己進化フレームワーク「SpatialEvo」を発表。 点群とカメラ姿勢から正解を自動生成する決定論的手法で擬似ラベルの誤り学習を排除。 9つのベンチマークで最高性能を記録し、3D空間AI開発の効率化に貢献する可能性。
解説 SpatialEvoは、3D空間推論モデルの継続的改善を阻む幾何アノテーションコスト問題に取り組む研究。従来の自己進化手法はモデル合意に基づく擬似ラベルを使用するため、モデル固有の幾何誤差をそのまま学習してしまう欠陥があった。本研究の核心的洞察は「3D空間推論の正解は点群とカメラ姿勢から決定論的・自動的に計算可能」という点にあり、モデル関与なしに客観的フィードバックが得られる。DGE（決定論的幾何環境）は16カテゴリの空間推論タスクを形式化し、未アノテーション3Dシーンをゼロノイズのインタラクティブ正解検証器へ変換する。単一の共有パラメータポリシーが質問生成者と解答者を同時に担い、DGEで検証された物理的正確性の高い空間質問を生成しながら精確な解答を学習する。さらにタスク適応型スケジューラが弱いカテゴリに自動的に訓練を集中させる動的カリキュラムを実現。GPT-4oやGeminiなどの既存モデルを9ベンチマークで上回る性能を示し、アノテーションなし自己改善の有効性を証明した。