論文の概要: Axiom Learning and Belief Tracing for Transparent Decision Making in
Robotics
- arxiv url: http://arxiv.org/abs/2010.10645v1
- Date: Tue, 20 Oct 2020 22:09:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 07:29:33.744433
- Title: Axiom Learning and Belief Tracing for Transparent Decision Making in
Robotics
- Title(参考訳): ロボットにおける透明意思決定のための公理学習と信念追跡
- Authors: Tiago Mota, Mohan Sridharan
- Abstract要約: ロボットがその決定や信念の説明を提供する能力は、人間との効果的なコラボレーションを促進する。
我々のアーキテクチャは、非単調な論理的推論、ディープラーニング、決定木帰納の相補的な強みを兼ね備えています。
推論と学習の間、このアーキテクチャにより、ロボットはその決定、信念、仮説的行動の結果について、オンデマンドでリレーショナルな記述を提供することができる。
- 参考スコア(独自算出の注目度): 8.566457170664926
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A robot's ability to provide descriptions of its decisions and beliefs
promotes effective collaboration with humans. Providing such transparency is
particularly challenging in integrated robot systems that include
knowledge-based reasoning methods and data-driven learning algorithms. Towards
addressing this challenge, our architecture couples the complementary strengths
of non-monotonic logical reasoning, deep learning, and decision-tree induction.
During reasoning and learning, the architecture enables a robot to provide
on-demand relational descriptions of its decisions, beliefs, and the outcomes
of hypothetical actions. These capabilities are grounded and evaluated in the
context of scene understanding tasks and planning tasks performed using
simulated images and images from a physical robot manipulating tabletop
objects.
- Abstract(参考訳): ロボットが決定や信念の説明を提供する能力は、人間との効果的なコラボレーションを促進する。
このような透明性を提供することは、知識ベースの推論方法やデータ駆動学習アルゴリズムを含む統合ロボットシステムにおいて特に困難である。
この課題に対処するために、アーキテクチャは非単調な論理的推論、ディープラーニング、決定木帰納の相補的な強みを結合する。
推論と学習の間、このアーキテクチャはロボットが決定、信念、仮説的行動の結果をオンデマンドで記述することを可能にする。
これらの能力は、テーブル上オブジェクトを操作する物理ロボットからのシミュレーション画像と画像を用いて、シーン理解タスクと計画タスクの文脈で接地し、評価される。
関連論文リスト
- From Reals to Logic and Back: Inventing Symbolic Vocabularies, Actions,
and Models for Planning from Raw Data [20.01856556195228]
本稿では,抽象状態と行動に対する論理に基づく関係表現を自律的に学習する最初の手法を提案する。
学習された表現は自動発明されたPDDLのようなドメインモデルを構成する。
決定論的設定における実証的な結果は、少数のロボット軌道から強力な抽象表現を学ぶことができることを示している。
論文 参考訳(メタデータ) (2024-02-19T06:28:21Z) - QUAR-VLA: Vision-Language-Action Model for Quadruped Robots [30.717399460407407]
中心となるアイデアは、ロボットの全体的な知性を高めることだ。
本稿では,VLAモデルのファミリである Quadruped Robotic Transformer (QUART) を提案する。
提案手法は,動作可能なロボットポリシーを導き,一貫した能力の獲得を可能にする。
論文 参考訳(メタデータ) (2023-12-22T06:15:03Z) - Dexterous Manipulation from Images: Autonomous Real-World RL via Substep
Guidance [71.36749876465618]
本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。
本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。
実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
論文 参考訳(メタデータ) (2022-12-19T22:50:40Z) - Interpreting Neural Policies with Disentangled Tree Representations [58.769048492254555]
本稿では,コンパクトなニューラルポリシーの解釈可能性について,不整合表現レンズを用いて検討する。
決定木を利用して,ロボット学習における絡み合いの要因を抽出する。
学習したニューラルダイナミクスの絡み合いを計測する解釈可能性指標を導入する。
論文 参考訳(メタデータ) (2022-10-13T01:10:41Z) - A Road-map to Robot Task Execution with the Functional Object-Oriented
Network [77.93376696738409]
関数型オブジェクト指向ネットワーク(FOON)はロボットの知識グラフ表現である。
FOONは、二部グラフの形で、ロボットの環境やタスクに対する理解に関係のある象徴的あるいは高レベルな情報を含んでいる。
論文 参考訳(メタデータ) (2021-06-01T00:43:04Z) - 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) - Explainable robotic systems: Understanding goal-driven actions in a
reinforcement learning scenario [1.671353192305391]
強化学習のシナリオでは、データ駆動アプローチによる説明の提供に多くの努力が注がれている。
本研究では,ロボットシナリオにおけるタスクを実行する強化学習エージェントの意思決定プロセスに焦点をあてる。
我々は、メモリベース、学習ベース、イントロスペクションベースの3つの異なるアプローチによって計算される成功確率を利用する。
論文 参考訳(メタデータ) (2020-06-24T10:51:14Z) - SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。
部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
論文 参考訳(メタデータ) (2020-03-19T00:11:34Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z)
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。