ALDER: 行動を通じて世界の法則を発見する

- 世界モデルを方程式として明示的に表現し、行動による変化をテスト可能な形で記述する手法ALDERを提案。 - 能動的に新規実験を提案し、モデルの検証と修正を行う。 - パラメトリック方程式を提案し、数値最適化で係数をフィット、独立検証器で候補を評価。 - 競合する仮説を識別するため、コストと安全性を考慮したセレクタが介入をクエリ。 - 反例が証拠台帳を更新し、次の構造修正を導く。

- 固定軌道に依存する手法は同等に良い仮説を区別できないが、ALDERは能動的実験で区別。 - 事前定義候補の探索は初期仮説空間外の方程式を発見できないが、ALDERはそれを超えて発見。 - 失敗したモデル提案を修復し、固定候補モデルをより少ない相互作用で識別。 - 分布外予測を改善。

- パラメトリック方程式を提案し、数値オプティマイザで係数をフィット。 - 独立検証器がホールドアウトデータで候補をテスト。 - コストと安全性を考慮したセレクタが新規実験を介入としてクエリ。 - 反例が証拠台帳を更新し、次の構造修正を導く。 - 非互換な法則は破棄。 - 検証済み世界モデルで逆問題を解き、制御行動を選択。

- 社内ベンチマーク、ODE方程式発見タスク、ロボット実験で検証。 - 初期公式セットを超える法則を発見。 - 失敗したモデル提案を修復。 - 固定候補モデルをより少ない相互作用で識別。 - 分布外予測を改善。 - 現在状態と目標から制御行動を選択。

- 明示的な方程式ベースの世界モデルが相互作用を通じてテスト・修正可能で、目標指向制御に自然に利用できることを示す。 - その他の議論や限界については要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、ODE equation discovery、world models、model-based reinforcement learning、active learning、causal discovery などが関連。