論文の概要: Evolving Dyadic Strategies for a Cooperative Physical Task

• arxiv url: http://arxiv.org/abs/2004.10558v1
• Date: Wed, 22 Apr 2020 13:23:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 18:23:33.529167
• Title: Evolving Dyadic Strategies for a Cooperative Physical Task
• Title（参考訳）: 協調的身体的タスクのためのdyadic戦略の進化
• Authors: Saber Sheybani, Eduardo J. Izquierdo, Eatai Roth
• Abstract要約: 我々はシミュレートされたエージェントを進化させ、実現可能なロールスイッチングポリシーの空間を探索する。 これらの切り替えポリシーを協調的なマニュアルタスクに適用すると、エージェントは視覚的および触覚的手がかりを処理して、いつ役割を切り替えるかを決定する。 最高の演奏ダイアドは高い時間的調整(反同期)を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many cooperative physical tasks require that individuals play specialized roles (e.g., leader-follower). Humans are adept cooperators, negotiating these roles and transitions between roles innately. Yet how roles are delegated and reassigned is not well understood. Using a genetic algorithm, we evolve simulated agents to explore a space of feasible role-switching policies. Applying these switching policies in a cooperative manual task, agents process visual and haptic cues to decide when to switch roles. We then analyze the evolved virtual population for attributes typically associated with cooperation: load sharing and temporal coordination. We find that the best performing dyads exhibit high temporal coordination (anti-synchrony). And in turn, anti-synchrony is correlated to symmetry between the parameters of the cooperative agents. These simulations furnish hypotheses as to how human cooperators might mediate roles in dyadic tasks.
• Abstract（参考訳）: 多くの協調的な物理的なタスクでは、個人が専門的な役割(例えばリーダー-フォロー)を果たす必要がある。 人間は協力者であり、これらの役割と役割間の遷移を内発的に交渉する。 しかし、どのように役割を委譲し、再配置するかは、よく分かっていない。 遺伝的アルゴリズムを用いて,シミュレートエージェントを進化させ,実現可能なロールスイッチングポリシーの空間を探索する。 これらのスイッチングポリシーを協調的な手動タスクに適用すると、エージェントは視覚的および触覚的な手掛かりを処理し、いつ役割を切り替えるかを決定する。 次に,協調関係の典型的属性である負荷共有と時間協調について,進化した仮想集団を解析した。 我々は、最高のパフォーマンスdyadは高い時間的コーディネーション(反同期)を示すことが分かる。 そして、反同期性は、協調剤のパラメータ間の対称性と相関する。 これらのシミュレーションは、人間の協力者がディアド作業における役割をどのように仲介するかを仮定している。

関連論文リスト

• Decentralized and Lifelong-Adaptive Multi-Agent Collaborative Learning [57.652899266553035]
  分散型および生涯適応型多エージェント協調学習は、中央サーバを使わずに複数のエージェント間のコラボレーションを強化することを目的としている。 動的協調グラフを用いた分散マルチエージェント生涯協調学習アルゴリズムであるDeLAMAを提案する。
  論文  参考訳（メタデータ） (2024-03-11T09:21:11Z)
• Deconstructing Cooperation and Ostracism via Multi-Agent Reinforcement Learning [3.3751859064985483]
  一方のエージェントが常に協力している場合でも,ネットワークのリワイアリングが相互協力を促進することを示す。 また、オストラシズムだけでは協力を浮かび上がらせるには不十分であることも分かっています。 本研究は,協力の出現に必要な条件とメカニズムについて考察した。
  論文  参考訳（メタデータ） (2023-10-06T23:18:55Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• A Unified Architecture for Dynamic Role Allocation and Collaborative Task Planning in Mixed Human-Robot Teams [0.0]
  任意のサイズの混合ロボットチームにおいて,動的役割割り当てと協調作業計画のための新しいアーキテクチャを提案する。 このアーキテクチャは、動作木(BT)に基づく集中型リアクティブかつモジュール型タスク非依存の計画手法を基盤としている。 MILPコストとして使用されるさまざまなメトリクスにより、アーキテクチャはコラボレーションの様々な側面を好むことができる。
  論文  参考訳（メタデータ） (2023-01-19T12:30:56Z)
• The art of compensation: how hybrid teams solve collective risk dilemmas [6.081979963786028]
  適応剤と固定行動剤を併用したハイブリッド集団における協調の進化的ダイナミクスについて検討した。 後者の振る舞いを補うために,まず,行動に適応することを学ぶ方法を示す。
  論文  参考訳（メタデータ） (2022-05-13T13:23:42Z)
• LDSA: Learning Dynamic Subtask Assignment in Cooperative Multi-Agent Reinforcement Learning [122.47938710284784]
  協調型MARLにおける動的サブタスク代入(LDSA)を学習するための新しいフレームワークを提案する。 エージェントを異なるサブタスクに合理的に割り当てるために,能力に基づくサブタスク選択戦略を提案する。 LDSAは、より優れたコラボレーションのために、合理的で効果的なサブタスクの割り当てを学習していることを示す。
  論文  参考訳（メタデータ） (2022-05-05T10:46:16Z)
• Behaviour-conditioned policies for cooperative reinforcement learning tasks [41.74498230885008]
  現実世界の様々なタスクにおいて、エージェントは未知のパートナーエージェントタイプと協力する必要がある。 深層強化学習モデルは、必要な機能を提供するためにトレーニングすることができるが、サンプルの非効率性と遅い学習に苦しむことが知られている。 本研究では,行動パターンの異なるエージェントの集団を合成的に生成する手法を提案する。 また、生成されたデータを効率的に利用し、メタ学習能力を得ることができるエージェントアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-10-04T09:16:41Z)
• On the Critical Role of Conventions in Adaptive Human-AI Collaboration [73.21967490610142]
  規則依存表現と規則依存表現を区別する学習フレームワークを提案する。 複雑性が異なる3つの共同作業に対するアプローチを実験的に検証します。
  論文  参考訳（メタデータ） (2021-04-07T02:46:19Z)
• A Cordial Sync: Going Beyond Marginal Policies for Multi-Agent Embodied Tasks [111.34055449929487]
  エージェントが協力して家具をリビングルームに移動させるという,新しいタスクFurnMoveを紹介した。 既存のタスクとは異なり、FurnMoveはエージェントが各タイミングで調整する必要がある。 既存の分散化されたアクションサンプリング手順は、表現力のある共同アクションポリシーを許さない。 SynC-policiesとCORDIALを用いて、我々のエージェントはFurnMoveで58%の完成率を達成する。
  論文  参考訳（メタデータ） (2020-07-09T17:59:57Z)
• Too many cooks: Bayesian inference for coordinating multi-agent collaboration [55.330547895131986]
  協調には、エージェントが行動を調整する必要がある。 人間が協力する能力の根底にあるのは、他人を行動させる隠された精神状態を予測する能力である。 これらの能力を備えた分散型マルチエージェント学習機構であるベイズデリゲーションを開発した。
  論文  参考訳（メタデータ） (2020-03-26T07:43:13Z)

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。