論文の概要: Active Inference in Robotics and Artificial Agents: Survey and
Challenges
- arxiv url: http://arxiv.org/abs/2112.01871v1
- Date: Fri, 3 Dec 2021 12:10:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-06 15:24:47.917808
- Title: Active Inference in Robotics and Artificial Agents: Survey and
Challenges
- Title(参考訳): ロボットと人工エージェントのアクティブ推論 : 調査と課題
- Authors: Pablo Lanillos, Cristian Meo, Corrado Pezzato, Ajith Anil Meera,
Mohamed Baioumy, Wataru Ohata, Alexander Tschantz, Beren Millidge, Martijn
Wisse, Christopher L. Buckley, Jun Tani
- Abstract要約: 我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。
本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
- 参考スコア(独自算出の注目度): 51.29077770446286
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Active inference is a mathematical framework which originated in
computational neuroscience as a theory of how the brain implements action,
perception and learning. Recently, it has been shown to be a promising approach
to the problems of state-estimation and control under uncertainty, as well as a
foundation for the construction of goal-driven behaviours in robotics and
artificial agents in general. Here, we review the state-of-the-art theory and
implementations of active inference for state-estimation, control, planning and
learning; describing current achievements with a particular focus on robotics.
We showcase relevant experiments that illustrate its potential in terms of
adaptation, generalization and robustness. Furthermore, we connect this
approach with other frameworks and discuss its expected benefits and
challenges: a unified framework with functional biological plausibility using
variational Bayesian inference.
- Abstract(参考訳): アクティブ推論(active inference)は、脳が行動、知覚、学習をどのように実装するかの理論として計算神経科学から生まれた数学的枠組みである。
近年, 不確実性下における状態推定と制御の問題に対する有望なアプローチとして, ロボット工学や人工エージェント全般における目標駆動行動の構築の基盤となっている。
本稿では,状態推定,制御,計画,学習のための能動推論の最先端理論と実装について概説する。
我々は,適応性,一般化性,堅牢性の観点からその可能性を示す関連する実験を示す。
さらに,このアプローチを他のフレームワークと結びつけ,その期待するメリットと課題について論じる。
関連論文リスト
- Dynamic planning in hierarchical active inference [0.0]
人間の脳が認知決定に関連する運動軌跡を推論し、導入する能力について述べる。
この研究は、ニューラルネットワークと強化学習を中心とした従来の見解とは距離を置き、アクティブ推論においてまだ探索されていない方向に向かっている。
論文 参考訳(メタデータ) (2024-02-18T17:32:53Z) - Active Inference as a Model of Agency [1.9019250262578857]
生物エージェントが世界とどのように相互作用するかという物理的に健全な仮定に従う行動は、探索と搾取を統合していることを示す。
能動推論として知られるこの記述は、神経科学から派生した行動と知覚のための一般的な記述的枠組みである自由エネルギー原理を洗練させる。
論文 参考訳(メタデータ) (2024-01-23T17:09:25Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [55.65482030032804]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
提案手法は,軌道予測器が将来の状態を生成するために使用する関係の進化を捉えるために,動的に進化する関係グラフとハイパーグラフを推論する。
論文 参考訳(メタデータ) (2024-01-22T18:58:22Z) - Towards a General Framework for Continual Learning with Pre-training [59.96040498079991]
本稿では,事前学習を用いた逐次到着タスクの連続学習のための一般的な枠組みを提案する。
我々はその目的を,タスク内予測,タスク同一性推論,タスク適応予測という3つの階層的構成要素に分解する。
本稿では,パラメータ効率細調整(PEFT)技術と表現統計量を用いて,これらのコンポーネントを明示的に最適化する革新的な手法を提案する。
論文 参考訳(メタデータ) (2023-10-21T02:03:38Z) - Bayesian Reinforcement Learning with Limited Cognitive Load [43.19983737333797]
適応行動の理論は、エージェントの学習履歴、決定、容量制約の間の複雑な相互作用を考慮に入れなければならない。
コンピュータ科学における最近の研究は、強化学習、ベイズ的意思決定、レート歪曲理論からアイデアをブリッジすることで、これらの力学を形作る原理を明確にし始めている。
論文 参考訳(メタデータ) (2023-05-05T03:29:34Z) - Computational Inference in Cognitive Science: Operational, Societal and
Ethical Considerations [13.173307471333619]
計算の進歩は認知科学をデータ駆動の分野に変えた。
異なる学術的なレンズから研究され解釈される認知理論の増殖がある。
我々は,研究実施における運用上の課題,社会的影響,倫理的ガイドラインを特定した。
論文 参考訳(メタデータ) (2022-10-24T18:27:27Z) - 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) - The Free Energy Principle for Perception and Action: A Deep Learning
Perspective [4.6956495676681484]
自由エネルギーの原理とその論理的活動的推論は、生物エージェントが世界の優先状態の制限されたセットに留まっていると仮定するバイオインスパイアされた理論を構成する。
この原則の下で、生物学的エージェントは世界の生成モデルを学び、その嗜好を満たすホメオスタティックな状態にエージェントを維持できる将来的なアクションを計画する。
この写本は、より現実的な問題に理論的側面を根ざして、活発な推論の枠組みに対する新たな視点を探求している。
論文 参考訳(メタデータ) (2022-07-13T11:07:03Z) - Behavior Priors for Efficient Reinforcement Learning [97.81587970962232]
本稿では,情報とアーキテクチャの制約を,確率論的モデリング文献のアイデアと組み合わせて行動の事前学習を行う方法について考察する。
このような潜伏変数の定式化が階層的強化学習(HRL)と相互情報と好奇心に基づく目的との関係について論じる。
シミュレーションされた連続制御領域に適用することで,フレームワークの有効性を実証する。
論文 参考訳(メタデータ) (2020-10-27T13:17:18Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳(メタデータ) (2020-03-09T15:04:07Z)
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。