論文の概要: Building Affordance Relations for Robotic Agents - A Review
- arxiv url: http://arxiv.org/abs/2105.06706v1
- Date: Fri, 14 May 2021 08:35:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 12:45:52.738224
- Title: Building Affordance Relations for Robotic Agents - A Review
- Title(参考訳): ロボットエージェントのためのアプライアンス関係の構築 -レビュー-
- Authors: Paola Ard\'on, \`Eric Pairet, Katrin S. Lohan, Subramanian
Ramamoorthy, Ronald P. A. Petrick
- Abstract要約: Affordancesは、エージェントがオブジェクトでアクションを実行する可能性を記述する。
我々は,ロボット作業における余裕の概念を用いて,さまざまな戦略の共通基盤をレビューし,発見する。
AIエージェントの能力を向上させる可能性を秘めたアプライアンスを含むさまざまな興味深い研究方向を特定し、議論します。
- 参考スコア(独自算出の注目度): 7.50722199393581
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Affordances describe the possibilities for an agent to perform actions with
an object. While the significance of the affordance concept has been previously
studied from varied perspectives, such as psychology and cognitive science,
these approaches are not always sufficient to enable direct transfer, in the
sense of implementations, to artificial intelligence (AI)-based systems and
robotics. However, many efforts have been made to pragmatically employ the
concept of affordances, as it represents great potential for AI agents to
effectively bridge perception to action. In this survey, we review and find
common ground amongst different strategies that use the concept of affordances
within robotic tasks, and build on these methods to provide guidance for
including affordances as a mechanism to improve autonomy. To this end, we
outline common design choices for building representations of affordance
relations, and their implications on the generalisation capabilities of an
agent when facing previously unseen scenarios. Finally, we identify and discuss
a range of interesting research directions involving affordances that have the
potential to improve the capabilities of an AI agent.
- Abstract(参考訳): Affordancesは、エージェントがオブジェクトでアクションを実行する可能性を記述する。
代価概念の意義は心理学や認知科学など様々な観点から研究されてきたが、これらのアプローチが人工知能(ai)ベースのシステムやロボット工学への直接移転を可能にするには必ずしも十分ではない。
しかし、aiエージェントが行動に対する知覚を効果的に橋渡しできる大きな可能性を示すため、アフォーアンスの概念を実践的に採用するために多くの努力がなされている。
本研究は,ロボットタスクにおけるアプライアンスの概念を用いた戦略の共通点をレビューし,自律性を改善するためのメカニズムとしてアプライアンスを含めるためのガイダンスを提供する。
この目的のために, 余剰関係の表現を構築するための共通設計選択と, 未確認シナリオに直面したエージェントの一般化能力への影響について概説する。
最後に、AIエージェントの能力を改善する可能性を持つ余裕を含む、さまざまな興味深い研究方向を特定し、議論する。
関連論文リスト
- Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳(メタデータ) (2024-02-28T16:09:56Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-11-27T18:57:42Z) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳(メタデータ) (2023-09-14T17:12:03Z) - Understanding the Application of Utility Theory in Robotics and
Artificial Intelligence: A Survey [5.168741399695988]
このユーティリティは、経済学、ゲーム理論、およびオペレーション研究において、ロボティクスとAI分野においても統一された概念である。
本稿では,エージェントのインタラクション間の相互関係を記述し,評価するためのユーティリティ指向の要求パラダイムを提案する。
論文 参考訳(メタデータ) (2023-06-15T18:55:48Z) - Designing explainable artificial intelligence with active inference: A
framework for transparent introspection and decision-making [0.0]
我々は、アクティブ推論がどのようにして説明可能なAIシステムの設計に活用できるかについて議論する。
能動推論を用いた説明可能なAIシステムのためのアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-06-06T21:38:09Z) - Learning Action-Effect Dynamics for Hypothetical Vision-Language
Reasoning Task [50.72283841720014]
本研究では,行動の効果に関する推論を改善する新しい学習戦略を提案する。
本稿では,提案手法の有効性を実証し,性能,データ効率,一般化能力の観点から,従来のベースラインに対する優位性を論じる。
論文 参考訳(メタデータ) (2022-12-07T05:41:58Z) - Introspection-based Explainable Reinforcement Learning in Episodic and
Non-episodic Scenarios [14.863872352905629]
イントロスペクションベースのアプローチは、成功の確率を提供するために強化学習エージェントと併用することができる。
イントロスペクションに基づくアプローチは、非エポゾディックなロボティクス環境でもたらされた動作を説明するためにも使用できる。
論文 参考訳(メタデータ) (2022-11-23T13:05:52Z) - A Cognitive Framework for Delegation Between Error-Prone AI and Human
Agents [0.0]
本研究では,認知にインスパイアされた行動モデルを用いて,人間エージェントとAIエージェントの両方の行動を予測する。
予測された振る舞いは、仲介者の使用を通じて人間とAIエージェントの制御を委譲するために使用される。
論文 参考訳(メタデータ) (2022-04-06T15:15:21Z) - Recent Advances in Leveraging Human Guidance for Sequential
Decision-Making Tasks [60.380501589764144]
人工知能の長年の目標は、シーケンシャルな意思決定を必要とするタスクを実行することを学ぶことができる人工知能を作ることである。
学習し行動する人工エージェントであるが、実行すべき特定のタスクを特定するのは人間次第である。
この調査は、主に人間のガイダンスに依存する5つの最近の機械学習フレームワークのハイレベルな概要を提供する。
論文 参考訳(メタデータ) (2021-07-13T03:11:04Z) - 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。