論文の概要: Towards Abstract Relational Learning in Human Robot Interaction
- arxiv url: http://arxiv.org/abs/2011.10364v1
- Date: Fri, 20 Nov 2020 12:06:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 05:06:39.910988
- Title: Towards Abstract Relational Learning in Human Robot Interaction
- Title（参考訳）: ロボットインタラクションにおける抽象的関係学習に向けて
- Authors: Mohamadreza Faridghasemnia, Daniele Nardi, Alessandro Saffiotti
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 73.67226556788498
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Humans have a rich representation of the entities in their environment.
Entities are described by their attributes, and entities that share attributes
are often semantically related. For example, if two books have "Natural
Language Processing" as the value of their `title' attribute, we can expect
that their `topic' attribute will also be equal, namely, "NLP". Humans tend to
generalize such observations, and infer sufficient conditions under which the
`topic' attribute of any entity is "NLP". If robots need to interact
successfully with humans, they need to represent entities, attributes, and
generalizations in a similar way. This ends in a contextualized cognitive agent
that can adapt its understanding, where context provides sufficient conditions
for a correct understanding. In this work, we address the problem of how to
obtain these representations through human-robot interaction. We integrate
visual perception and natural language input to incrementally build a semantic
model of the world, and then use inductive reasoning to infer logical rules
that capture generic semantic relations, true in this model. These relations
can be used to enrich the human-robot interaction, to populate a knowledge base
with inferred facts, or to remove uncertainty in the robot's sensory inputs.
- Abstract（参考訳）: 人間は環境における実体を豊かに表現する。
エンティティは属性によって記述され、属性を共有するエンティティはしばしば意味的に関連します。
例えば、2冊の本が『タイトル』属性の値として「自然言語処理」を持っている場合、それらの『トピック』属性もまた等しく、すなわち「nlp」と期待できる。
人間はそのような観察を一般化し、あらゆる実体の「トピック」属性が「NLP」である十分な条件を推測する傾向がある。
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。
これは文脈化された認知エージェントで終わり、その理解に適応し、コンテキストが正しい理解に十分な条件を提供する。
本稿では,人間とロボットのインタラクションを通じてこれらの表現を得る方法の問題点について論じる。
我々は、視覚知覚と自然言語入力を統合して、世界の意味モデルを漸進的に構築し、帰納的推論を用いて、このモデルに当てはまる一般的な意味関係を捉える論理的規則を推論する。
これらの関係は、人間とロボットの相互作用を豊かにしたり、推論された事実を知識ベースに投入したり、ロボットの知覚入力の不確実性を取り除くために使うことができる。
関連論文リスト
- Compositional Zero-Shot Learning for Attribute-Based Object Reference in
Human-Robot Interaction [0.0]
言語対応ロボットは、特定の物体を視覚的知覚から識別するために、参照表現を理解できなければならない。
オブジェクトの視覚的な観察は、参照されたときに利用できなくなり、オブジェクトと属性の数は、オープンな世界でも非有界である可能性がある。
本研究では,属性のリストを用いて,オープンワールドにおける参照表現理解を行う属性ベースのゼロショット学習手法を実装した。
論文 参考訳（メタデータ） (2023-12-21T08:29:41Z) - VER: Unifying Verbalizing Entities and Relations [30.327166864967918]
VER: エンティティとリレーショナルのバーバリゼーションのための統一モデルを提案する。
本稿では,任意のエンティティやエンティティを入力として取り込んで,エンティティや関係を表現する文を生成するシステムの構築を試みる。
論文 参考訳（メタデータ） (2022-11-20T21:50:33Z) - Enhancing Interpretability and Interactivity in Robot Manipulation: A
Neurosymbolic Approach [0.0]
本稿では,言語誘導型視覚推論とロボット操作を結合したニューロシンボリックアーキテクチャを提案する。
非熟練の人間ユーザは、制約のない自然言語を用いてロボットに刺激を与え、参照表現(REF)、質問(VQA)、把握動作指示を提供する。
シミュレーション環境では,3次元視覚と言語によるテーブルトップシーンの合成データセットを作成し,我々のアプローチを訓練し,合成シーンと実世界のシーンの両方で広範な評価を行う。
論文 参考訳（メタデータ） (2022-10-03T12:21:45Z) - Context Limitations Make Neural Language Models More Human-Like [32.488137777336036]
インクリメンタルな文処理において,現代のニューラル言語モデル(LM)と人間とのコンテキストアクセスの相違を示す。
LMが人間の読書行動をより良くシミュレートするためには、追加のコンテキスト制限が必要だった。
また, メモリアクセスにおけるヒトとLMのギャップは, 特定の構文構造と関連していることを示した。
論文 参考訳（メタデータ） (2022-05-23T17:01:13Z) - 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) - Emergence of Machine Language: Towards Symbolic Intelligence with Neural
Networks [73.94290462239061]
本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。
対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
論文 参考訳（メタデータ） (2022-01-14T14:54:58Z) - Exemplars-guided Empathetic Response Generation Controlled by the
Elements of Human Communication [88.52901763928045]
そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。
これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
論文 参考訳（メタデータ） (2021-06-22T14:02:33Z) - Compositional Processing Emerges in Neural Networks Solving Math
Problems [100.80518350845668]
人工知能の最近の進歩は、大きなモデルが十分な言語データに基づいて訓練されると、文法構造が表現に現れることを示している。
我々は、この研究を数学的推論の領域にまで拡張し、どのように意味を構成するべきかについての正確な仮説を定式化することができる。
私たちの研究は、ニューラルネットワークがトレーニングデータに暗黙的に構造化された関係について何かを推測できるだけでなく、個々の意味の合成を合成全体へと導くために、この知識を展開できることを示している。
論文 参考訳（メタデータ） (2021-05-19T07:24:42Z) - A model of interaction semantics [0.0]
私は、形式言語のセマンティクスに似た相互作用の意味論のモデルを構築します。
私は、後期ルートヴィヒ・ヴィトゲンシュタインの意味で、キャラクターから概念への「メンタル」マッピングなしにできる相互作用意味論のモデルにたどり着きます。
論文 参考訳（メタデータ） (2020-07-13T09:22:59Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z)
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。