論文の概要: Time Perception: A Review on Psychological, Computational and Robotic
Models
- arxiv url: http://arxiv.org/abs/2007.11845v3
- Date: Fri, 25 Dec 2020 08:23:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 11:45:52.068417
- Title: Time Perception: A Review on Psychological, Computational and Robotic
Models
- Title（参考訳）: 時間知覚:心理学・計算・ロボットモデルに関するレビュー
- Authors: Hamit Basgol, Inci Ayhan, Emre Ugur
- Abstract要約: 本稿では,心理学と神経科学の文献から,時間知覚の特徴とモデルについて紹介する。
時間知覚の創発的な計算モデルとロボットモデルについて要約する。
ほとんどのタイミングモデルは、感覚のタイミング(例えば、間隔を評価する能力)または運動のタイミング(すなわち、間隔を再現する能力)のために開発される。
- 参考スコア（独自算出の注目度）: 2.223733768286313
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Animals exploit time to survive in the world. Temporal information is
required for higher-level cognitive abilities such as planning, decision
making, communication, and effective cooperation. Since time is an inseparable
part of cognition, there is a growing interest in the artificial intelligence
approach to subjective time, which has a possibility of advancing the field.
The current survey study aims to provide researchers with an interdisciplinary
perspective on time perception. Firstly, we introduce a brief background from
the psychology and neuroscience literature, covering the characteristics and
models of time perception and related abilities. Secondly, we summarize the
emergent computational and robotic models of time perception. A general
overview to the literature reveals that a substantial amount of timing models
are based on a dedicated time processing like the emergence of a clock-like
mechanism from the neural network dynamics and reveal a relationship between
the embodiment and time perception. We also notice that most models of timing
are developed for either sensory timing (i.e. ability to assess an interval) or
motor timing (i.e. ability to reproduce an interval). The number of timing
models capable of retrospective timing, which is the ability to track time
without paying attention, is insufficient. In this light, we discuss the
possible research directions to promote interdisciplinary collaboration in the
field of time perception.
- Abstract（参考訳）: 動物は世界で生き残るために時間を利用する。
時間情報は、計画、意思決定、コミュニケーション、効果的な協力などの高度な認知能力に必要である。
時間が認知の不可分な部分であるため、主観的時間に対する人工知能アプローチへの関心が高まり、この分野を前進させる可能性がある。
本研究の目的は,時間知覚に関する学際的視点を提供することである。
まず、時間知覚と関連する能力の特徴とモデルについて、心理学と神経科学の文献から簡単な背景を紹介する。
次に,時間知覚の創発的計算モデルとロボットモデルについて概説する。
論文の概観は、ニューラルネットワークのダイナミクスから時計のようなメカニズムが出現するなど、多くのタイミングモデルが専用の時間処理に基づいていることを明らかにし、具体化と時間知覚の関係を明らかにする。
また、ほとんどのタイミングモデルが、感覚のタイミング(例えば、間隔を評価する能力)または運動のタイミング(つまり、間隔を再現する能力)のために開発されていることに気づく。
注意を払わずに時間を追跡する能力であるふりかえりのタイミングが可能なタイミングモデルの数は不十分である。
本稿では,時間知覚の分野における学際的コラボレーションを促進するための研究の方向性について論じる。
関連論文リスト
- Evidence of Cognitive Deficits andDevelopmental Advances in Generative AI: A Clock Drawing Test Analysis [17.5336703613751]
本研究は, 視覚空間計画と組織に関する神経心理学的評価である, Clock Drawing Test (CDT) において, いくつかのGenAIモデルがどのように機能するかを考察する。
モデルは時計のような図面を作成するが、正確な時間表現に苦慮し、軽度に重症な認知障害に似た欠陥を示す。
論文 参考訳（メタデータ） (2024-10-15T16:27:22Z) - Living in the Moment: Can Large Language Models Grasp Co-Temporal Reasoning? [70.19200858203388]
時間的推論は、世界を理解するための大きな言語モデルの基本である。
CoTempQAは4つの時間的シナリオを含むベンチマークである。
実験の結果,LLMの性能と人間レベルの推論との間に大きなギャップがあることが判明した。
論文 参考訳（メタデータ） (2024-06-13T12:56:21Z) - A Valid Self-Report is Never Late, Nor is it Early: On Considering the
"Right" Temporal Distance for Assessing Emotional Experience [0.0]
得られた情報の有効性について,刺激事象と経験を報告した瞬間との間の時間的距離の影響を強調した。
我々は,自己申告の妥当性を最大化する刺激の種類ごとに時間的距離の存在を擁護する。
論文 参考訳（メタデータ） (2023-01-27T15:28:31Z) - Neuro-Symbolic Spatio-Temporal Reasoning [16.29507250221851]
時空間的知識は物理的世界との相互作用を超えて必要である。
これをAIシステムに統合するために、さまざまな試みがなされている。
本稿では,空間的知識と時間的知識に基づく論理的推論と機械学習の相乗効果を提案する。
論文 参考訳（メタデータ） (2022-11-28T17:21:41Z) - A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。
人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。
本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
論文 参考訳（メタデータ） (2022-04-02T21:50:45Z) - Bayesian sense of time in biological and artificial brains [1.52292571922932]
時間の経過を処理する脳の能力は、私たちの経験の基本的な次元の1つです。
ベイジアン脳仮説を用いて、人間の時間知覚に関する経験的データをどのように説明できるのか?
エージェントベースの機械学習モデルは、この主題の研究にどのような洞察を与えることができるのか?
論文 参考訳（メタデータ） (2022-01-14T14:05:30Z) - Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and
Execution [97.50813120600026]
時空間推論は人工知能(AI)の課題である
最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM)
ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
論文 参考訳（メタデータ） (2021-03-26T02:42:18Z) - 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) - Learning Temporal Dynamics from Cycles in Narrated Video [85.89096034281694]
時が経つにつれて世界がどのように変化するかをモデル化する学習問題に対する自己監督型ソリューションを提案します。
私たちのモデルは、前方および後方の時間を予測するためにモダリティに依存しない関数を学習します。
将来的な動作の予測や画像の時間的順序付けなど,様々なタスクに対して,学習されたダイナミクスモデルを適用する。
論文 参考訳（メタデータ） (2021-01-07T02:41:32Z) - Penalized Estimation and Forecasting of Multiple Subject Intensive
Longitudinal Data [7.780531445879182]
本稿では,様々な話題の課題に対処する新しいモデリングフレームワークを提案する。
個々の時系列の長さと収集した変数数が大まかに等価である場合、どのようにILDをモデル化し、予測することができるか?
第二に、多くのILDシナリオに固有の横断的情報(対人的情報)をいかに活用するか、そして、認定された個人は量的にも質的にも、どのように異なるか。
論文 参考訳（メタデータ） (2020-07-09T20:34:23Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳（メタデータ） (2020-05-22T14:29:51Z)
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。