EndoRSI：物理的証拠に基づく内視鏡ロボット方策の再帰的自己改善

EndoRSI（Endoscopic Recursive Self-Improvement）は、内視鏡ロボットのポリシーを物理実験の証拠に基づいて反復的に改良する、人間が統治する自己改善型ロボット研究システム。 - 組み込みのEndoForge coding agentがポリシーを開発・洗練 - 物理実行は安全制約付きランタイム内で人間の承認の下に隔離 - モーター駆動内視鏡を対象とし、物理ロールアウトの失敗をポリシー改訂に活用 - 最終ポリシーは視覚・ハードウェア変化に対して頑健性を保持

従来の物理ロボットポリシー研究は、科学者やエンジニアが実験失敗を解釈し、コントローラ改訂を決定していた。 - EndoRSIは物理実験からの証拠をエージェント駆動のポリシー研究に利用 - 人間の統治と安全制約を維持しつつ、反復的改良を自動化 - オフラインで支持された戦略を物理実験が反証し、危険な閉ループ挙動を明らかにした点が特徴 - 失敗した物理ロールアウトをポリシー改訂に組み込む点が新しい

物理実験の証拠を駆動源とする反復的ポリシー改善。 - EndoForge coding agentが内視鏡ロボットポリシーを開発・洗練 - 物理実行は安全制約付きランタイムで人間承認の下に実施 - 検証証拠に基づき初期のaction representationを拒否 - オフライン支持のinsertion strategyを物理実験で反証 - 失敗した物理ロールアウトをポリシー改訂に組み込む - 詳細なアルゴリズムや実装は要旨からは不明

モーター駆動内視鏡における物理実験で検証。 - 検証証拠により初期のaction representationを拒否 - 物理実験がオフライン支持のinsertion strategyを反証し、ソースデータにない危険な閉ループ挙動を明示 - 失敗ロールアウトを組み込んだ結果、insertion successが第1世代の2/21から第4世代の17/21に増加 - 凍結した最終ポリシーは視覚・ハードウェア変化に対して能力を保持 - 6つの独立したex-vivo porcine specimensで最高性能の自律ポリシー

物理ロボット相互作用がエージェント駆動のロボットポリシー研究の実験証拠として機能し得ることを示す。 - 人間の統治と安全制約の下での自己改善の可能性 - オフラインで支持された戦略が物理では危険な閉ループ挙動を示す可能性 - 失敗をポリシー改訂に組み込むことの有効性 - 限界や今後の課題、一般化可能性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。 - 関連手法として、EndoForge coding agent、EndoRSI、モーター駆動内視鏡ポリシー、物理実験駆動の自己改善、recursive self-improvement、robot policy learning、sim-to-real transfer、ex-vivo porcine specimens などが挙げられる。 - 同分野の定番として、強化学習や模倣学習によるロボットポリシー研究、内視鏡ロボットの自律制御に関する研究が考えられるが、具体的な論文名は要旨からは不明。