arXiv cs.ROは2026年10月19日(現地時間)、「Where is Physical RSI capability from? An Observational Scaling Law of LLM-as-policy」と題する論文を公開した。この論文は、物理的な再帰的自己改善 (Physical Recursive Self-Improvement) のメカニズム、スケーリング挙動、および汎化について体系的に調査したもので、LLM-as-policyの観測的スケーリング法則に焦点を当てている。
研究チームは、物理的な再帰的自己改善 (Physical RSI) を定量化するために、5軸メトリックからなる「PhysRSI-eval」を導入した。このメトリックは、初回試行性能、効率、成功、予算、失敗からの改善の5つの要素で構成されている。異なるビジョン言語モデル (VLMs) を固定されたインタラクション予算の下で18の操作タスクにおいて評価した。
実験結果の分析に基づき、Physical Barrel Hypothesisが提唱された。これは、異なる能力が改善の異なる部分を制約する可能性があるという見解を示すもの。5軸メトリックは、公開ベンチマークの平均値が近いシステムを区別し、高スコアが必ずしも早期または効率的な利得を伴うわけではないことを示した。
研究では、VLMエージェントの公開された能力から相対的なパフォーマンスを予測することと、早期の物理的フィードバックから後の進捗を予測することという2つの視点から、観測的スケーリングが研究された。これらの分析は、エージェントがどれだけ速く、どれだけ遠くまで改善できるかという問いを投げかけている。さらに、ワークスペース介入を実施し、改善が何を残すかを分析した結果、履歴の削除が終盤の成功を減少させ、凍結されたワークスペースが未見のレイアウトで有用性を維持し、3つのクロス-タスクケースでより早い成功が達成された。
これらの結果は、シーン固有の適応と再利用可能な経験が共存し得る可能性を示唆している。本論文の著者には、ゼカイ・リ (Zekai Li) 氏、ジアイー・ユー (Jiayi Yu) 氏、ジンルー・ジャン (Jinlu Zhang) 氏、ルヤン・ニウ (Luyang Niu) 氏、ゼクン・チー (Zekun Qi) 氏、ジュン・ジェン (Jun Zheng) 氏、シューチュアン・チェン (Xuchuan Chen) 氏、ダイルー・リウ (Dairu Liu) 氏、インティアンルン・ジャン (Yintianrun Zhang) 氏、ヘ・ワン (He Wang) 氏、リ・イー (Li Yi) 氏らが名を連ねる。
参考: arXiv cs.RO (アーカイブ) — 2026年10月20日 02:59 (JST)
原文ハイライト"We systematically investigate the mechanisms, scaling behavior, and generalization of physical Recursive self-improvement."