論文の概要: Toward Forgetting-Sensitive Referring Expression Generationfor Integrated Robot Architectures

• arxiv url: http://arxiv.org/abs/2007.08672v1
• Date: Thu, 16 Jul 2020 22:20:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 22:05:23.257406
• Title: Toward Forgetting-Sensitive Referring Expression Generationfor Integrated Robot Architectures
• Title（参考訳）: 統合型ロボットアーキテクチャのための予測型参照表現生成に向けて
• Authors: Tom Williams and Torin Johnson and Will Culpepper and Kellyn Larson
• Abstract要約: 動作記憶の異なるモデルが、自然な人間のような参照表現を生成するのに、どのように差分効果があるかを示す。 本研究では,ロボットの認知アーキテクチャ内での記憶を忘れる作業記憶の候補モデル2つを計算し,それらが生成した参照表現の認知可能性に基づく差異をいかに生かしたかを示す。
• 参考スコア（独自算出の注目度）: 1.8456386856206592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To engage in human-like dialogue, robots require the ability to describe the objects, locations, and people in their environment, a capability known as "Referring Expression Generation." As speakers repeatedly refer to similar objects, they tend to re-use properties from previous descriptions, in part to help the listener, and in part due to cognitive availability of those properties in working memory (WM). Because different theories of working memory "forgetting" necessarily lead to differences in cognitive availability, we hypothesize that they will similarly result in generation of different referring expressions. To design effective intelligent agents, it is thus necessary to determine how different models of forgetting may be differentially effective at producing natural human-like referring expressions. In this work, we computationalize two candidate models of working memory forgetting within a robot cognitive architecture, and demonstrate how they lead to cognitive availability-based differences in generated referring expressions.
• Abstract（参考訳）: 人間のような対話を行うには、ロボットは「参照表現生成(Referring Expression Generation)」と呼ばれる、環境内の物体、場所、人々を記述する能力を必要とする。 話者は類似したオブジェクトを繰り返し参照するので、前述した記述からプロパティを再利用する傾向があり、その一部はリスナーを助け、一部はワーキングメモリ(wm)におけるそれらのプロパティの認知的可利用性のためである。 作業記憶の異なる理論は、必ずしも認知的可用性の差をもたらすため、それらも同様に異なる参照表現を生成すると仮定する。 効果的な知的エージェントを設計するには, 自然人のような参照表現を生成する上で, 異なる種類の忘れ方モデルが相違して有効であるかを判断する必要がある。 本研究では,ロボット認知アーキテクチャにおける作業記憶の2つの候補モデルを計算し,それらが生成した参照表現における認知的可用性に基づく差異にどのようにつながるかを実証する。

関連論文リスト

• A Multi-Modal Explainability Approach for Human-Aware Robots in Multi-Party Conversation [39.87346821309096]
  本稿では,従来のSOTAと比較して性能が向上したアドレス推定モデルを提案する。 また、上記のアーキテクチャに説明可能性と透明性を組み込むいくつかの方法を提案する。
  論文  参考訳（メタデータ） (2024-05-20T13:09:32Z)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
  本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。 考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
  論文  参考訳（メタデータ） (2023-07-06T10:52:22Z)
• I am Only Happy When There is Light: The Impact of Environmental Changes on Affective Facial Expressions Recognition [65.69256728493015]
  本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。 以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
  論文  参考訳（メタデータ） (2022-10-28T16:28:26Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Contrast and Generation Make BART a Good Dialogue Emotion Recognizer [38.18867570050835]
  対話型感情認識において、話者依存との長期的文脈的感情関係が重要な役割を担っている。 教師付きコントラスト学習を用いて、異なる感情を相互に排他的に区別し、類似した感情をよりよく識別する。 我々は、文脈情報を扱うモデルの能力を高めるために補助応答生成タスクを利用する。
  論文  参考訳（メタデータ） (2021-12-21T13:38:00Z)
• Perspective-corrected Spatial Referring Expression Generation for Human-Robot Interaction [5.0726912337429795]
  ヒトとロボットの相互作用に対する新しい視点補正空間参照表現生成手法(PcSREG)を提案する。 表現生成のタスクは、多様な空間関係単位を生成するプロセスに簡略化される。 提案手法をロボットシステムに実装し,実験により,より効果的な空間参照表現を生成できることを示す。
  論文  参考訳（メタデータ） (2021-04-04T08:00:02Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Towards Abstract Relational Learning in Human Robot Interaction [73.67226556788498]
  人間は環境における実体を豊かに表現する。 ロボットが人間とうまく対話する必要がある場合、同様の方法で実体、属性、一般化を表現する必要がある。 本研究では,人間とロボットの相互作用を通じて,これらの表現をどのように獲得するかという課題に対処する。
  論文  参考訳（メタデータ） (2020-11-20T12:06:46Z)

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。