論文の概要: Deep Active Inference for Autonomous Robot Navigation

• arxiv url: http://arxiv.org/abs/2003.03220v1
• Date: Fri, 6 Mar 2020 14:01:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 00:34:43.450344
• Title: Deep Active Inference for Autonomous Robot Navigation
• Title（参考訳）: 自律ロボットナビゲーションのための深い能動推論
• Authors: Ozan \c{C}atal, Samuel Wauthier, Tim Verbelen, Cedric De Boom, Bart Dhoedt
• Abstract要約: アクティブ推論(英: Active Inference)とは、生物学的エージェントが現実世界で知覚し行動する方法の基盤となる理論である。 ディープラーニングの最近の進歩を活用して、事前に定義された状態空間なしで動作可能な、より複雑な生成モデルを構築します。 これは、現実世界のロボットナビゲーションタスクに対する深層能動推論の最初の応用である。
• 参考スコア（独自算出の注目度）: 5.101580309985447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Active inference is a theory that underpins the way biological agent's perceive and act in the real world. At its core, active inference is based on the principle that the brain is an approximate Bayesian inference engine, building an internal generative model to drive agents towards minimal surprise. Although this theory has shown interesting results with grounding in cognitive neuroscience, its application remains limited to simulations with small, predefined sensor and state spaces. In this paper, we leverage recent advances in deep learning to build more complex generative models that can work without a predefined states space. State representations are learned end-to-end from real-world, high-dimensional sensory data such as camera frames. We also show that these generative models can be used to engage in active inference. To the best of our knowledge this is the first application of deep active inference for a real-world robot navigation task.
• Abstract（参考訳）: アクティブ推論(active inference)は、生物学的エージェントが現実の世界において知覚し行動する方法を基礎とする理論である。 活動的推論は脳がほぼベイズ推論エンジンであるという原理に基づいており、エージェントを最小限の驚きへと導く内部生成モデルを構築している。 この理論は認知神経科学の基盤として興味深い結果を示しているが、その応用は小さな、予め定義されたセンサーと状態空間のシミュレーションに限られている。 本稿では、ディープラーニングの最近の進歩を活用し、事前定義された状態空間なしで動作可能なより複雑な生成モデルを構築する。 状態表現は、カメラフレームのような現実世界の高次元の感覚データからエンドツーエンドで学習される。 また、これらの生成モデルがアクティブな推論に利用できることも示しています。 我々の知る限りでは、これは現実世界のロボットナビゲーションタスクに対する深層能動推論の最初の応用である。

関連論文リスト

• Probing for Consciousness in Machines [3.196204482566275]
  本研究は, 人工エージェントが中核意識を発達させる可能性を探るものである。 中心意識の出現は、感情や感情の表現によって知らされる自己モデルと世界モデルの統合に依存している。 その結果,エージェントは初歩的な世界と自己モデルを形成することができ,機械意識の発達への道筋が示唆された。
  論文  参考訳（メタデータ） (2024-11-25T10:27:07Z)
• Dynamic planning in hierarchical active inference [0.0]
  人間の脳が認知決定に関連する運動軌跡を推論し、導入する能力について述べる。 本研究では,アクティブ推論における動的計画の話題に焦点を当てた。
  論文  参考訳（メタデータ） (2024-02-18T17:32:53Z)
• Active Inference as a Model of Agency [1.9019250262578857]
  生物エージェントが世界とどのように相互作用するかという物理的に健全な仮定に従う行動は、探索と搾取を統合していることを示す。 能動推論として知られるこの記述は、神経科学から派生した行動と知覚のための一般的な記述的枠組みである自由エネルギー原理を洗練させる。
  論文  参考訳（メタデータ） (2024-01-23T17:09:25Z)
• Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex models for robot navigation and environment pseudo-mapping [52.77024349608834]
  本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。 海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。 これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
  論文  参考訳（メタデータ） (2023-05-22T10:20:34Z)
• Neuromorphic Computing and Sensing in Space [69.34740063574921]
  神経型コンピュータチップは、生物学的脳の構造を模倣するように設計されている。 ニューロモルフィックデバイスの低消費電力とエネルギー効率に重点を置くことは、宇宙応用には最適である。
  論文  参考訳（メタデータ） (2022-12-10T07:46:29Z)
• Navigating to Objects in the Real World [76.1517654037993]
  本稿では,古典的,モジュール的,エンド・ツー・エンドの学習手法と比較した,意味的視覚ナビゲーション手法に関する大規模な実証的研究について述べる。 モジュラー学習は実世界ではうまく機能し、90%の成功率に達しています。 対照的に、エンド・ツー・エンドの学習は、シミュレーションと現実の間の画像領域の差が大きいため、77%のシミュレーションから23%の実際の成功率へと低下する。
  論文  参考訳（メタデータ） (2022-12-02T01:10:47Z)
• Inference of Affordances and Active Motor Control in Simulated Agents [0.5161531917413706]
  本稿では,出力確率,時間的予測,モジュール型人工ニューラルネットワークアーキテクチャを提案する。 我々のアーキテクチャは、割当マップと解釈できる潜在状態が発達していることを示す。 アクティブな推論と組み合わせることで、フレキシブルでゴール指向の動作が実行可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-23T14:13:04Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• Deep active inference agents using Monte-Carlo methods [3.8233569758620054]
  モンテカルロサンプリングを用いた連続状態空間における深部能動推論エージェント構築のためのニューラルアーキテクチャを提案する。 提案手法は,タスク性能を維持しつつ,環境動態を効率的に学習することを可能にする。 その結果、深層能動推論は生物学的にインスパイアされた知的エージェントを開発するための柔軟な枠組みを提供することが示された。
  論文  参考訳（メタデータ） (2020-06-07T15:10:42Z)
• Visual Navigation Among Humans with Optimal Control as a Supervisor [72.5188978268463]
  そこで本研究では,学習に基づく知覚とモデルに基づく最適制御を組み合わせることで,人間間をナビゲートする手法を提案する。 私たちのアプローチは、新しいデータ生成ツールであるHumANavによって実現されています。 学習したナビゲーションポリシーは、将来の人間の動きを明示的に予測することなく、人間に予測し、反応できることを実証する。
  論文  参考訳（メタデータ） (2020-03-20T16:13:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。