論文の概要: Investigating the impact of free energy based behavior on human in
human-agent interaction
- arxiv url: http://arxiv.org/abs/2201.10164v1
- Date: Tue, 25 Jan 2022 08:08:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 16:55:31.937277
- Title: Investigating the impact of free energy based behavior on human in
human-agent interaction
- Title（参考訳）: 自由エネルギーに基づく行動が人間とエージェントの相互作用に及ぼす影響の検討
- Authors: Kazuya Horibe, Yuanxiang Fan, Yutaka Nakamura, Hiroshi Ishiguro
- Abstract要約: 人間は、うなずきやジェスチャーなどの物理的なリズムを共有して、互いに絡み合うことで非言語的にコミュニケーションする。
我々は、自由エネルギー原理(FEP)に基づく新しい身体運動生成システムを開発し、受動的に反応するだけでなく、人間の行動を促す。
- 参考スコア（独自算出の注目度）: 6.180183454554085
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Humans communicate non-verbally by sharing physical rhythms, such as nodding
and gestures, to involve each other. This sharing of physicality creates a
sense of unity and makes humans feel involved with others. In this paper, we
developed a new body motion generation system based on the free-energy
principle (FEP), which not only responds passively but also prompts human
actions. The proposed system consists of two modules, the sampling module, and
the motion selection module. We conducted a subjective experiment to evaluate
the "feeling of interacting with the agent" of the FEP based behavior. The
results suggested that FEP based behaviors show more "feeling of interacting
with the agent". Furthermore, we confirmed that the agent's gestures elicited
subject gestures. This result not only reinforces the impression of feeling
interaction but could also realization of agents that encourage people to
change their behavior.
- Abstract（参考訳）: 人間は、うなずきやジェスチャーなどの物理的なリズムを共有して、互いに関わることで非言語的にコミュニケーションする。
この身体性の共有は統一感を生じさせ、人間は他人と関わりを感じさせる。
本稿では、自由エネルギー原理(FEP)に基づく新しい身体運動生成システムを開発し、受動的に反応するだけでなく、人間の行動を促す。
提案するシステムは,サンプリングモジュールとモーション選択モジュールの2つのモジュールで構成される。
FEPに基づく行動の「エージェントとの相互作用のフィーリング」を評価するための主観的な実験を行った。
その結果、FEPに基づく行動は、より「エージェントとの相互作用を示す」ことが示唆された。
さらに,エージェントのジェスチャーが被験者のジェスチャーを誘発することを確認した。
この結果は、相互作用の感覚を補強するだけでなく、人々の行動を変えるよう促すエージェントの実現にも繋がる。
関連論文リスト
- ReMoS: 3D Motion-Conditioned Reaction Synthesis for Two-Person Interactions [66.87211993793807]
本稿では,2人のインタラクションシナリオにおいて,人の全身運動を合成する拡散モデルReMoSを提案する。
ペアダンス,忍術,キックボクシング,アクロバティックといった2人のシナリオでReMoSを実証する。
また,全身動作と指の動きを含む2人のインタラクションに対してReMoCapデータセットを寄贈した。
論文 参考訳（メタデータ） (2023-11-28T18:59:52Z) - AgentCF: Collaborative Learning with Autonomous Language Agents for
Recommender Systems [112.76941157194544]
本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。
我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。
全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
論文 参考訳（メタデータ） (2023-10-13T16:37:14Z) - GRIP: Generating Interaction Poses Using Spatial Cues and Latent Consistency [57.9920824261925]
手は器用で多用途なマニピュレータであり、人間が物体や環境とどのように相互作用するかの中心である。
現実的な手オブジェクトの相互作用をモデル化することは、コンピュータグラフィックス、コンピュータビジョン、混合現実の応用において重要である。
GRIPは、体と物体の3次元運動を入力として取り、物体の相互作用の前、中、後の両方の両手の現実的な動きを合成する学習ベースの手法である。
論文 参考訳（メタデータ） (2023-08-22T17:59:51Z) - Generative Agents: Interactive Simulacra of Human Behavior [86.1026716646289]
生成エージェントを導入し,人間の振る舞いをシミュレートする計算ソフトウェアエージェントについて紹介する。
エージェントの経験の完全な記録を格納するために,大規模言語モデルを拡張するアーキテクチャについて述べる。
The Simsにインスパイアされた対話型サンドボックス環境に生成エージェントを投入する。
論文 参考訳（メタデータ） (2023-04-07T01:55:19Z) - 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) - Interactive inference: a multi-agent model of cooperative joint actions [0.0]
能動推論の認知的枠組みに基づく多エージェント協調行動の新しいモデルを作成する。
対話型推論は,複数エージェントの関節動作の成功をサポートし,「リーダーレス」と「リーダーフォロワー」の関節動作の重要な認知的・行動的ダイナミクスを再現することを示す。
論文 参考訳（メタデータ） (2022-10-24T11:01:29Z) - GAN-based Reactive Motion Synthesis with Class-aware Discriminators for
Human-human Interaction [14.023527193608144]
本稿では,他のキャラクタからアクティブな動作を与えられたキャラクタの反応運動を合成する半教師付きGANシステムを提案する。
合成運動の高品質さは, ジェネレータの有効設計を示し, 合成の識別性もまた, 判別器の強度を示している。
論文 参考訳（メタデータ） (2021-10-01T13:13:07Z) - Learning Proxemic Behavior Using Reinforcement Learning with Cognitive
Agents [1.0635883951034306]
プロキシミクス(英: Proxemics)は、人や動物の空間行動を研究する非言語コミュニケーションの一分野である。
本研究では, エージェントが環境中でどのように振る舞うかを, 確率的行動に基づいて検討する。
論文 参考訳（メタデータ） (2021-08-08T20:45:34Z) - Imitating Interactive Intelligence [24.95842455898523]
仮想環境の簡略化を用いて、人間と自然に相互作用できる人工エージェントの設計方法を検討する。
人間とロバストに相互作用できるエージェントを構築するには、人間と対話しながらトレーニングするのが理想的です。
我々は,人間とエージェントエージェントの対話行動の相違を低減するために,逆強化学習の考え方を用いる。
論文 参考訳（メタデータ） (2020-12-10T13:55:47Z) - Human Perception of Intrinsically Motivated Autonomy in Human-Robot
Interaction [2.485182034310304]
人間に生息する環境でロボットを使用する場合の課題は、人間同士の相互作用によって引き起こされる摂動に対して、魅力的だが堅牢な振る舞いを設計することである。
我々のアイデアは、ロボットに本質的なモチベーション(IM)を持たせることで、新しい状況に対処し、人間以外の真の社会的存在として現れるようにすることです。
本稿では、自律的に生成された振る舞いを相互に比較できる「ロボット学者」による研究設計について述べる。
論文 参考訳（メタデータ） (2020-02-14T09:49:36Z) - Intrinsic Motivation for Encouraging Synergistic Behavior [55.10275467562764]
スパース・リワード・シナジスティック・タスクにおける強化学習の探索バイアスとしての本質的モチベーションの役割について検討した。
私たちのキーとなる考え方は、シナジスティックなタスクにおける本質的なモチベーションのための優れた指針は、エージェントが自分自身で行動している場合、達成できない方法で世界に影響を与える行動を取ることである。
論文 参考訳（メタデータ） (2020-02-12T19:34:51Z)
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。