論文の概要: Prediction and Generalisation over Directed Actions by Grid Cells
- arxiv url: http://arxiv.org/abs/2006.03355v2
- Date: Tue, 23 Mar 2021 02:05:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 04:29:27.650100
- Title: Prediction and Generalisation over Directed Actions by Grid Cells
- Title（参考訳）: 格子セルによるダイレクトアクションの予測と一般化
- Authors: Changmin Yu, Timothy E.J. Behrens and Neil Burgess
- Abstract要約: 指示された行動が新しい状況にどのように一般化されるかを知ることは、急速な一般化の鍵となる。
近年の研究では、ニューラルネットワークコードによって状態空間の効率的な表現が提案されている。
本研究では,一組の固有ベクトルが,アクション固有固有値を介して任意の指示行動に対する予測をサポートすることを示す。
- 参考スコア（独自算出の注目度）: 6.7141720056953895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowing how the effects of directed actions generalise to new situations
(e.g. moving North, South, East and West, or turning left, right, etc.) is key
to rapid generalisation across new situations. Markovian tasks can be
characterised by a state space and a transition matrix and recent work has
proposed that neural grid codes provide an efficient representation of the
state space, as eigenvectors of a transition matrix reflecting diffusion across
states, that allows efficient prediction of future state distributions. Here we
extend the eigenbasis prediction model, utilising tools from Fourier analysis,
to prediction over arbitrary translation-invariant directed transition
structures (i.e. displacement and diffusion), showing that a single set of
eigenvectors can support predictions over arbitrary directed actions via
action-specific eigenvalues. We show how to define a "sense of direction" to
combine actions to reach a target state (ignoring task-specific deviations from
translation-invariance), and demonstrate that adding the Fourier
representations to a deep Q network aids policy learning in continuous control
tasks. We show the equivalence between the generalised prediction framework and
traditional models of grid cell firing driven by self-motion to perform path
integration, either using oscillatory interference (via Fourier components as
velocity-controlled oscillators) or continuous attractor networks (via analysis
of the update dynamics). We thus provide a unifying framework for the role of
the grid system in predictive planning, sense of direction and path
integration: supporting generalisable inference over directed actions across
different tasks.
- Abstract（参考訳）: 指示行動の効果が新しい状況(例えば北、南、東、西、左、右など)にどのように一般化するかを知ることは、新しい状況にまたがる急速な一般化の鍵となる。
マルコフ的タスクは状態空間と遷移行列によって特徴づけられ、近年の研究では、遷移行列の固有ベクトルが状態間の拡散を反映し、将来の状態分布の効率的な予測を可能にするものとして、ニューラルネットワークコードによって状態空間の効率的な表現が提案されている。
ここでは、フーリエ解析から任意の変換不変有向遷移構造(すなわち変位と拡散)上の予測へツールを利用する固有ベイシ予測モデルを拡張し、単一の固有ベクトルのセットが、アクション固有の固有値を介して任意の有向作用を予測できることを示した。
目的の状態に到達するためのアクションを組み合わせるための「方向感覚」を定義する方法(翻訳・不変性からタスク固有の逸脱を無視する)を示し、深いQネットワークにフーリエ表現を追加することで、継続的な制御タスクにおけるポリシー学習を支援することを示す。
一般化予測フレームワークと従来のグリッドセル点火モデルとの等価性を示し,経路統合を行うための自己運動駆動型グリッドセル点火モデルについて,(フーリエ成分を速度制御振動子として)振動干渉や,(更新ダイナミクスの解析により)連続的アトラクタネットワークを用いて検討した。
そこで我々は,予測計画,方向感覚,経路統合におけるグリッドシステムの役割を統一したフレームワークを提案する。
関連論文リスト
- AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。
同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。
そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
論文 参考訳（メタデータ） (2024-03-20T06:22:37Z) - Towards Generalizable and Interpretable Motion Prediction: A Deep
Variational Bayes Approach [54.429396802848224]
本稿では,分布外ケースに対する頑健な一般化性を有する動き予測のための解釈可能な生成モデルを提案する。
このモデルでは, 長期目的地の空間分布を推定することにより, 目標駆動動作予測を実現する。
動き予測データセットの実験は、適合したモデルが解釈可能で一般化可能であることを検証した。
論文 参考訳（メタデータ） (2024-03-10T04:16:04Z) - Out-of-Distribution Generalized Dynamic Graph Neural Network with
Disentangled Intervention and Invariance Promotion [61.751257172868186]
動的グラフニューラルネットワーク(DyGNN)は、グラフと時間力学を利用して強力な予測能力を実証している。
既存のDyGNNは、動的グラフに自然に存在する分散シフトを処理できない。
論文 参考訳（メタデータ） (2023-11-24T02:42:42Z) - Equivariant Map and Agent Geometry for Autonomous Driving Motion
Prediction [4.096893535332546]
本研究では、理論的に幾何学的同変であり、粒子と人間の相互作用不変な運動予測モデルであるEqMotionを用いて、画期的な解を提案する。
これらの技術を適用することで、軽量な設計と効率的なデータ利用を維持しながら、予測精度の高いモデルを実現することができる。
論文 参考訳（メタデータ） (2023-10-21T07:08:44Z) - Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。
本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
論文 参考訳（メタデータ） (2022-04-28T07:37:21Z) - End-to-End Trajectory Distribution Prediction Based on Occupancy Grid
Maps [29.67295706224478]
本稿では,実世界における移動エージェントの将来の軌跡分布を予測することを目的としている。
我々は、接地構造分布に対する明示的かつシーン順応的な近似として、占有格子マップを用いて対称的クロスエントロピーで分布を学習する。
実験では,Stanford Drone データセットとIntersection Drone データセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2022-03-31T09:24:32Z) - Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。
我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。
スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
論文 参考訳（メタデータ） (2022-03-25T16:59:08Z) - Flowformer: Linearizing Transformers with Conservation Flows [77.25101425464773]
本研究では,フローネットワーク理論に基づくインダクティブバイアスのないトランスフォーマーを線形化する。
ソースコンペティション用シンクの流入流と、シンクアロケーション用ソースの流出流をそれぞれ保存することにより、フローアテンションは本質的に情報的注意を発生させる。
論文 参考訳（メタデータ） (2022-02-13T08:44:10Z)
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。