顔動画から非接触で心拍数を推定するリモート光電脈波検出（rPPG）技術は、医療応用やウェルネスモニタリングの分野で注目されています。しかし、動きや照明の変化、顔の一部が隠れた状態、肌の見た目の変動、デバイスノイズなど、様々な環境要因により微弱な生理信号が容易に劣化してしまうという課題を抱えています。従来のrPPG手法は単一のモデルで直接心拍数を予測するか脈波波形を復元しようとしてきましたが、このアプローチには限界がありました。 今回発表されたPhysAgentは、推論時に複数エージェントが候補を検証するフレームワークで、この問題への革新的なアプローチを提示しています。重要な点として、PhysAgentは新たなベースrPPGモデルを訓練したり、マルチモーダル大規模言語モデル（MLLM）に直接心拍数の出力を求めたりしません。代わりに、複数の基礎推定器からの出力を生理学的仮説として扱い、軽量な4BパラメータのQwen3-VL-4Bを使用して、ビデオ条件、信号の信頼性、候補間の不一致に関する多エージェント推論を行います。 推定プロセスは、決定論的な生理学的検証器が融合提案をチェックし、再現可能な数値融合プロセスが最終的な心拍数を生成する仕組みになっています。複数の公開rPPGベンチマークでの実験結果は、PhysAgentが異なるデータセットおよびソースドメイン設定において融合の安定性と信頼性を向上させることを示しており、直接的なMLLM予測や制約のないアンサンブル融合の再現不可能性および生理学的矛盾を回避できることが実証されました。