論文の概要: The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents

• arxiv url: http://arxiv.org/abs/2201.00411v1
• Date: Sun, 2 Jan 2022 20:14:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-04 13:02:31.050326
• Title: The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents
• Title（参考訳）: イントロスペクティブエージェント : 身体的エージェントの戦略・生理・センシングの相互依存性
• Authors: Sarah Pratt, Luca Weihs, Ali Farhadi
• Abstract要約: 本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。 自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
• 参考スコア（独自算出の注目度）: 51.94554095091305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The last few years have witnessed substantial progress in the field of embodied AI where artificial agents, mirroring biological counterparts, are now able to learn from interaction to accomplish complex tasks. Despite this success, biological organisms still hold one large advantage over these simulated agents: adaptation. While both living and simulated agents make decisions to achieve goals (strategy), biological organisms have evolved to understand their environment (sensing) and respond to it (physiology). The net gain of these factors depends on the environment, and organisms have adapted accordingly. For example, in a low vision aquatic environment some fish have evolved specific neurons which offer a predictable, but incredibly rapid, strategy to escape from predators. Mammals have lost these reactive systems, but they have a much larger fields of view and brain circuitry capable of understanding many future possibilities. While traditional embodied agents manipulate an environment to best achieve a goal, we argue for an introspective agent, which considers its own abilities in the context of its environment. We show that different environments yield vastly different optimal designs, and increasing long-term planning is often far less beneficial than other improvements, such as increased physical ability. We present these findings to broaden the definition of improvement in embodied AI passed increasingly complex models. Just as in nature, we hope to reframe strategy as one tool, among many, to succeed in an environment. Code is available at: https://github.com/sarahpratt/introspective.
• Abstract（参考訳）: ここ数年は、生物を模倣する人工エージェントが複雑なタスクをこなすために相互作用から学ぶことができる、具体化aiの分野におけるかなりの進歩を目撃している。 この成功にもかかわらず、生物はこれらの模擬物質に対して大きな優位性を持っている。 生物とシミュレートされたエージェントが目標(戦略)を達成するための決定を下す一方で、生物は環境を理解し(知覚)、それに反応する(生理学)。 これらの要因の純利益は環境に依存し、生物はそれに応じて適応した。 例えば、低視力の水生環境では、捕食者から逃れるための予測可能な、しかし驚くほど速い戦略を提供する特定のニューロンが進化してきた。 哺乳類はこれらの反応系を失ったが、より広い視野と脳回路を持ち、将来の可能性を理解することができる。 従来の実施エージェントは、最もゴールを達成するために環境を操作するが、我々は、その環境の文脈で自身の能力を考える内省的なエージェントを議論する。 異なる環境が最適設計に大きく異なることを示し,長期計画の増加は,物理的能力の増大など,他の改善と比べ,あまり利益を得られないことが多い。 本研究は,ますます複雑なモデルに合格する具体化aiの改善の定義を広げるために,これらの知見を提案する。 自然と同じように、私たちは戦略をひとつのツールとして再編成して、環境において成功させたいと考えています。 コードは、https://github.com/sarahpratt/introspective.comで入手できる。

関連論文リスト

• Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
  エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。 我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
  論文  参考訳（メタデータ） (2024-01-07T19:11:18Z)
• Evolving Reservoirs for Meta Reinforcement Learning [1.6874375111244329]
  本稿では,そのようなプロセスを実現する機構を研究するための計算モデルを提案する。 進化のスケールでは、リカレントニューラルネットワークの族である貯水池を進化させます。 我々は、強化学習(RL)を通じた行動政策の学習を容易にするために、これらの進化した貯水池を利用する。 以上の結果から,貯水池の進化は多様な課題の学習を改善することが示唆された。
  論文  参考訳（メタデータ） (2023-12-09T16:11:48Z)
• DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
  本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。 我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。 今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
  論文  参考訳（メタデータ） (2023-12-08T16:51:10Z)
• Learning Goal-based Movement via Motivational-based Models in Cognitive Mobile Robots [58.720142291102135]
  人間は、強さと文脈に応じて行動を促進する必要がある。 また、各行動の知覚的快楽に関連する嗜好も作り出します。 これにより、意思決定がより複雑になり、コンテキストに応じてニーズと嗜好のバランスを取ることが求められます。
  論文  参考訳（メタデータ） (2023-02-20T04:52:24Z)
• Eco-evolutionary Dynamics of Non-episodic Neuroevolution in Large Multi-agent Environments [0.0]
  環境や人口のリセットを伴わない適応剤を連続的に進化させる手法を提案する。 NEはエポジカルに非エポジカルなマルチエージェント環境で動作し,持続的な集団採餌戦略を見いだせることを示す。
  論文  参考訳（メタデータ） (2023-02-18T13:57:27Z)
• Neuromorphic Computing and Sensing in Space [69.34740063574921]
  神経型コンピュータチップは、生物学的脳の構造を模倣するように設計されている。 ニューロモルフィックデバイスの低消費電力とエネルギー効率に重点を置くことは、宇宙応用には最適である。
  論文  参考訳（メタデータ） (2022-12-10T07:46:29Z)
• The scaling of goals via homeostasis: an evolutionary simulation, experiment and analysis [0.0]
  本研究では, 形態形成過程における細胞の集合的知能を, ホメオスタティックプロセスの中心における目標状態をスケールアップすることによって, 行動知能に転換することを提案する。 これらの創発性形態形成因子は、その標的形態学を達成するために応力伝播ダイナミクスの使用を含む、多くの予測された特徴を示す。 本研究では, 進化が最小目標指向行動(ホメオスタティックループ)をどのように高次問題解決剤に拡大するかを, 定量的に把握するための第一歩として提案する。
  論文  参考訳（メタデータ） (2022-11-15T21:48:44Z)
• Towards the Neuroevolution of Low-level Artificial General Intelligence [5.2611228017034435]
  我々は、AI(Artificial General Intelligence, AGI)の検索は、人間レベルの知能よりもはるかに低いレベルから始まるべきだと論じる。 我々の仮説は、エージェントが環境の中で行動するとき、学習は感覚フィードバックによって起こるというものである。 環境反応から学習する生物学的にインスパイアされた人工ニューラルネットワークを進化させる手法を評価する。
  論文  参考訳（メタデータ） (2022-07-27T15:30:50Z)
• Co-optimising Robot Morphology and Controller in a Simulated Open-Ended Environment [1.4502611532302039]
  エージェントがロコホートする環境の変化が形態の収束にどのように影響するかを示す。 オープンエンド進化環境において進化するエージェント集団は,手作り環境において進化するエージェント集団よりも大きな形態的多様性を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-07T11:28:23Z)
• Embodied Intelligence via Learning and Evolution [92.26791530545479]
  環境の複雑さが形態学的知能の進化を促進することを示す。 また、進化は速く学習する形態を素早く選択することを示した。 我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
  論文  参考訳（メタデータ） (2021-02-03T18:58:31Z)

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。