論文の概要: Active Dynamical Prospection: Modeling Mental Simulation as Particle
Filtering for Sensorimotor Control during Pathfinding
- arxiv url: http://arxiv.org/abs/2103.07966v1
- Date: Sun, 14 Mar 2021 16:26:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-17 04:21:13.487412
- Title: Active Dynamical Prospection: Modeling Mental Simulation as Particle
Filtering for Sensorimotor Control during Pathfinding
- Title（参考訳）: アクティブダイナミカルプロスペクション:パスフィンディング時の感覚制御のための粒子フィルタリングとしてのメンタルシミュレーションのモデル化
- Authors: Jeremy Gordon and John Chuang
- Abstract要約: 我々は経路探索行動を連続的かつ明示的な探索的パラダイムでモデル化する。
私たちのタスクでは、参加者(およびエージェント)は、部分的に観察可能な環境で視覚的な探索とナビゲーションの両方を調整しなければなりません。
本モデルであるActive Dynamical Prospection(アクティブダイナミカルプロスペクション)は、マップソリューションレート、パス選択、トライアル期間、および人間の参加者のデータと比較した場合の注意行動の類似パターンを示しています。
- 参考スコア（独自算出の注目度）: 5.817576247456002
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: What do humans do when confronted with a common challenge: we know where we
want to go but we are not yet sure the best way to get there, or even if we
can. This is the problem posed to agents during spatial navigation and
pathfinding, and its solution may give us clues about the more abstract domain
of planning in general. In this work, we model pathfinding behavior in a
continuous, explicitly exploratory paradigm. In our task, participants (and
agents) must coordinate both visual exploration and navigation within a
partially observable environment. Our contribution has three primary
components: 1) an analysis of behavioral data from 81 human participants in a
novel pathfinding paradigm conducted as an online experiment, 2) a proposal to
model prospective mental simulation during navigation as particle filtering,
and 3) an instantiation of this proposal in a computational agent. We show that
our model, Active Dynamical Prospection, demonstrates similar patterns of map
solution rate, path selection, and trial duration, as well as attentional
behavior (at both aggregate and individual levels) when compared with data from
human participants. We also find that both distal attention and delay prior to
first move (both potential correlates of prospective simulation) are predictive
of task performance.
- Abstract（参考訳）: 共通の課題に直面した時に人間が何をするか – どこに行きたいかは分かっていますが、そこに着く最善の方法がまだ分かっていません。
これは空間的ナビゲーションやパスフィニングにおいてエージェントが引き起こす問題であり、その解決策は一般により抽象的な計画領域に関するヒントを与えるかもしれない。
本研究では,パスファインディング行動の連続的,明示的な探索的パラダイムをモデル化する。
私たちのタスクでは、参加者(およびエージェント)は、部分的に観察可能な環境で視覚的な探索とナビゲーションの両方を調整しなければなりません。
1)オンライン実験として実施した新しいパスファインディングパラダイムにおける81名の被験者の行動データの解析,2) 粒子フィルタリングとしてナビゲーション中の予測的メンタルシミュレーションをモデル化する提案,3) 計算エージェントにおける提案のインスタンス化,の3つの主成分がある。
我々のモデルであるActive Dynamical Prospectionでは、マップの解法率、経路選択、試行期間の類似パターンと、人間の参加者のデータと比較した場合の注意行動(集約レベルと個人レベルの両方)が示される。
また,最初の移動前の遠近的注意と遅延(予測シミュレーションの潜在的な相関関係)がタスク性能の予測であることを見出した。
関連論文リスト
- Neural Collaborative Filtering to Detect Anomalies in Human Semantic Trajectories [0.5774786149181392]
本研究では,人体軌跡の異常を検出するための軽量な異常検出モデルを構築した。
アルゴリズムは2つの主要モジュールから構成される。1つは協調フィルタリングモジュールであり、これは人間の正常な移動を興味のある場所にモデル化するための協調フィルタリングである。
提案手法の有効性を検証するために,シミュレーションおよび実世界のデータセットを用いて,多数の最先端の軌道異常検出手法と比較した広範囲な実験を行った。
論文 参考訳（メタデータ） (2024-09-27T03:28:11Z) - DeTra: A Unified Model for Object Detection and Trajectory Forecasting [68.85128937305697]
提案手法は,2つのタスクの結合を軌道修正問題として定式化する。
この統合タスクに対処するために、オブジェクトの存在, ポーズ, マルチモーダルな将来の振る舞いを推測する精細化変換器を設計する。
実験では、我々のモデルはArgoverse 2 Sensor and Openデータセットの最先端性よりも優れています。
論文 参考訳（メタデータ） (2024-06-06T18:12:04Z) - CoNav: A Benchmark for Human-Centered Collaborative Navigation [66.6268966718022]
協調ナビゲーション(CoNav)ベンチマークを提案する。
われわれのCoNavは、現実的で多様な人間の活動を伴う3Dナビゲーション環境を構築するという重要な課題に取り組む。
本研究では,長期的意図と短期的意図の両方を推論する意図認識エージェントを提案する。
論文 参考訳（メタデータ） (2024-06-04T15:44:25Z) - Active Sensing with Predictive Coding and Uncertainty Minimization [0.0]
2つの生物学的計算から着想を得たエンボディード探索のためのエンドツーエンドの手法を提案する。
まず,迷路ナビゲーションタスクによるアプローチを実演し,環境の遷移分布と空間的特徴を明らかにする。
本モデルでは,視覚シーンを効率的に分類するための探索によって,教師なし表現を構築する。
論文 参考訳（メタデータ） (2023-07-02T21:14:49Z) - MECCANO: A Multimodal Egocentric Dataset for Humans Behavior
Understanding in the Industrial-like Domain [23.598727613908853]
本稿では,産業的な環境下での人間の行動理解を目的とした,エゴセントリックなビデオのデータセットMECCANOを提案する。
マルチモダリティの特徴は、視線信号、深度マップ、RGBビデオとカスタムヘッドセットが同時に取得される点である。
データセットは、人間の行動理解の文脈における基本的なタスクに対して、一人称視点から明示的にラベル付けされている。
論文 参考訳（メタデータ） (2022-09-19T00:52:42Z) - Explore before Moving: A Feasible Path Estimation and Memory Recalling
Framework for Embodied Navigation [117.26891277593205]
ナビゲーションに焦点をあて,経験や常識に欠ける既存のナビゲーションアルゴリズムの問題を解決する。
移動前に2回思考する能力に触発されて、不慣れな場面で目標を追求する実現可能な経路を考案し、パス推定とメモリリコールフレームワークと呼ばれる経路計画手法を提案する。
EmbodiedQAナビゲーションタスクにおけるPEMRの強力な実験結果を示す。
論文 参考訳（メタデータ） (2021-10-16T13:30:55Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z) - IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。
当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
論文 参考訳（メタデータ） (2021-01-20T00:31:52Z) - Generating Human-Like Movement: A Comparison Between Two Approaches
Based on Environmental Features [4.511923587827301]
環境特性に基づいて人間のような軌道を生成するための2つの新しいアルゴリズムが提示されている。
人間の類似性は、最終生成軌道を現実的なものと判断する人間の専門家によってテストされている。
予め定義した基準により,実際の軌道に近い軌道を生成するにもかかわらず,特徴ベースA*アルゴリズムは,アトラクションベースA*アルゴリズムと比較して時間効率が低いことを示す。
論文 参考訳（メタデータ） (2020-12-11T16:45:32Z) - Gravitational Models Explain Shifts on Human Visual Attention [80.76475913429357]
視覚的注意(英: visual attention)とは、人間の脳が優先的な処理のために関連する感覚情報を選択する能力を指す。
過去30年間に様々な評価方法が提案されてきた。
注意変動を記述するための重力モデル(GRAV)を提案する。
論文 参考訳（メタデータ） (2020-09-15T10:12:41Z)
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。