すべての人に一次情報を
Hexels（ヘクセル）は、平面上の六角形領域に1次の色場を持つ新しい構成要素で、従来の四角形パッチを置き換えることでメモリと計算コストを削減します。\n\nこのプロセスは、滑らかな外観を持つ局所平面領域を大きな六角形プリミティブにまとめるという手法に基づいています。各Hexel
主要発見：FLoReは、動作と接触力（wrench）を同時に記録したロボット非同伴デモから、力に反応するヒューマノイドの「loco‑manipulation（歩行しながら物を扱う操作）」を学習する枠組みです。wrenchは6軸力/トルクセンサによる力と回転力の測定を指します（D1
研究チームは、多惑星系が動的に不安定になる時刻を予測する解析式（閉形式の方程式）を示しました。本研究では、近共鳴のコンパクト3惑星系など本研究で扱った条件下に対して、不安定化時刻を予測する解析的近似式を導出しました。 (d1) 手法は二段階です。まず、113,543件のN体シミュ
ARENAは、可変数の活動域切り出しから24時間以内のM級・X級フレア（M+）発生を予測し、予測に寄与する活動域を注意重みとして示します。時間的に保持した2017–2024年のテストセットでの中央値HSSは0.45でした。ARENAは注意（attention）に基づくニューラルネ
主な発見：METTAは高速適応を二つの時間スケールに分解します。因果的なニューラルメモリが同一エピソード内で細かい適応を行い、エピソードレベルのコンパクトな要約が複数エピソードにまたがる推論を支えます（過去の全履歴に対する全方位的注意を必要としません）。[f1] 方法と仕組み：エ
主な発見 エージェント型の検索（agentic search）では、リトリーバー、コーパス、採点器が決定的（同じ入力で再現可能）なため、エピソードは方策の決定とサンプリングノイズで決まる関数になります（＝事実世界）。この性質を利用し、「同じノイズ、異なる決定」の双子世界（twin
主要発見。論文は「アクション学習」を、軌跡観測から確率的アクション（軌跡レベルの目的関数）を復元する問題として定式化しました。LEAP（Learned Energy on Action Paths）は未知のアクションを扱いやすい参照過程に固定し、軌跡比較で残りの補正を学習します（
研究は、複数の大規模言語モデル（LLM）分類器を順応的な問い合わせと判断の列に組織する「回路」を導入しました。回路は、平均分類精度を保ちながら平均問い合わせコストを下げることを目的とします。 著者らはまず、LLM分類器を「ノイズを含む計測器（instrument）」として扱います
主要発見：VioLAは関節指令ではなく、身体と手の“運動潜在（motion latent）”を予測する一般目的のヒューマノイド方策です。事前学習した身体・手のコントローラがその潜在を実機で実行します。人とロボットの動作を同じ潜在空間に写すことで、ヒトの記録をロボットの行動表現で教
本稿の主要な提案は、モデル出力の共分散行列を設計依存に予測する確率的エミュレータを、能動パイロットサンプリングで学習する枠組みです。共分散は行列対数で変換した相関と対数標準偏差でパラメトリゼーションされ、正定値性を保ちます。 (F1) 共分散の表現とエミュレータ 共分散行列は Σ