論文の概要: Inference of Affordances and Active Motor Control in Simulated Agents
- arxiv url: http://arxiv.org/abs/2202.11532v1
- Date: Wed, 23 Feb 2022 14:13:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-24 15:54:30.297594
- Title: Inference of Affordances and Active Motor Control in Simulated Agents
- Title（参考訳）: 模擬エージェントにおける運動量予測とアクティブモータ制御
- Authors: Fedor Scholz, Christian Gumbsch, Sebastian Otte, Martin V. Butz
- Abstract要約: 本稿では,出力確率,時間的予測,モジュール型人工ニューラルネットワークアーキテクチャを提案する。
我々のアーキテクチャは、割当マップと解釈できる潜在状態が発達していることを示す。
アクティブな推論と組み合わせることで、フレキシブルでゴール指向の動作が実行可能であることを示す。
- 参考スコア（独自算出の注目度）: 0.5161531917413706
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flexible, goal-directed behavior is a fundamental aspect of human life. Based
on the free energy minimization principle, the theory of active inference
formalizes the generation of such behavior from a computational neuroscience
perspective. Based on the theory, we introduce an output-probabilistic,
temporally predictive, modular artificial neural network architecture, which
processes sensorimotor information, infers behavior-relevant aspects of its
world, and invokes highly flexible, goal-directed behavior. We show that our
architecture, which is trained end-to-end to minimize an approximation of free
energy, develops latent states that can be interpreted as affordance maps. That
is, the emerging latent states signal which actions lead to which effects
dependent on the local context. In combination with active inference, we show
that flexible, goal-directed behavior can be invoked, incorporating the
emerging affordance maps. As a result, our simulated agent flexibly steers
through continuous spaces, avoids collisions with obstacles, and prefers
pathways that lead to the goal with high certainty. Additionally, we show that
the learned agent is highly suitable for zero-shot generalization across
environments: After training the agent in a handful of fixed environments with
obstacles and other terrains affecting its behavior, it performs similarly well
in procedurally generated environments containing different amounts of
obstacles and terrains of various sizes at different locations. To improve and
focus model learning further, we plan to invoke active inference-based,
information-gain-oriented behavior also while learning the temporally
predictive model itself in the near future. Moreover, we intend to foster the
development of both deeper event-predictive abstractions and compact, habitual
behavioral primitives.
- Abstract（参考訳）: フレキシブルでゴール指向の行動は人間の生活の基本的な側面である。
自由エネルギー最小化原理に基づいて、アクティブ推論の理論は計算神経科学の観点からそのような行動の生成を形式化する。
この理論に基づき,センサモジュレータ情報を処理し,その世界の行動関連側面を推定し,高度に柔軟で目標指向の行動を呼び出す,出力確率,時間予測,モジュール型ニューラルネットワークアーキテクチャを導入する。
自由エネルギーの近似を最小化するためにエンドツーエンドで訓練された我々のアーキテクチャは、余裕マップと解釈できる潜在状態を開発する。
すなわち、出現する潜在状態は、どの作用が局所的な文脈に依存するかを示す。
アクティブ推論と組み合わせることで,新たなアフォーマンスマップを取り入れることで,柔軟で目標指向の振る舞いが実行可能であることを示す。
その結果、シミュレーションエージェントは連続した空間を柔軟に操り、障害物との衝突を回避し、高い確実性で目標に至る経路を優先する。
また, 学習したエージェントは, 障害物やその他の地形が作用する固定環境下でエージェントを訓練した後, 様々な場所における様々な障害物や地形を含む手続き的に生成された環境においても, 同様の性能を示す。
モデル学習をさらに改善し、焦点を絞るために、近い将来に時間的予測モデル自体を学習しながら、アクティブな推論に基づく情報ゲイン指向の行動を実行することを計画している。
さらに、より深いイベント予測抽象化と、コンパクトで習慣的な行動プリミティブの両方の開発を促進するつもりです。
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。
本研究では,アクティブ推論における動的計画の話題に焦点を当てた。
論文 参考訳（メタデータ） (2024-02-18T17:32:53Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
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。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Active Inference and Intentional Behaviour [40.19132448481507]
理論生物学の最近の進歩は、基底認知と知覚的行動がin vitro細胞培養と神経ネットワークの創発的特性であることを示唆している。
我々は、自由エネルギー原理のレンズを通して、この種の自己組織化を自己認識として特徴づける。
シミュレーションを用いて,これらの形態(反応性,感性,意図的)について検討する。
論文 参考訳（メタデータ） (2023-12-06T09:38:35Z) - 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) - Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
得られた知識を有向非巡回因果グラフの形で公開することを提案する。
また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。
提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
論文 参考訳（メタデータ） (2023-09-30T20:59:42Z) - A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。
本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。
本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
論文 参考訳（メタデータ） (2022-11-16T20:00:38Z) - Contrastive Active Inference [12.361539023886161]
本稿では,エージェントの生成モデル学習における計算負担を低減し,今後の行動計画を行うための,アクティブ推論のための対照的な目的を提案する。
提案手法は,画像に基づくタスクにおいて,確率に基づく能動推論よりも特に優れているが,計算処理が安価で,訓練も容易である。
論文 参考訳（メタデータ） (2021-10-19T16:20:49Z) - Backprop-Free Reinforcement Learning with Active Neural Generative
Coding [84.11376568625353]
動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。
我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。
我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
論文 参考訳（メタデータ） (2021-07-10T19:02:27Z) - Tracking Emotions: Intrinsic Motivation Grounded on Multi-Level
Prediction Error Dynamics [68.8204255655161]
目標達成に向けての進捗率と期待率の差が生じると、感情がどのように生じるかについて議論する。
自己生成的・動的目標に向けた行動を生成する本質的なモチベーションアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-07-29T06:53:13Z) - Learning intuitive physics and one-shot imitation using
state-action-prediction self-organizing maps [0.0]
人間は探索と模倣によって学び、世界の因果モデルを構築し、両方を使って新しいタスクを柔軟に解決する。
このような特徴を生み出す単純だが効果的な教師なしモデルを提案する。
エージェントがアクティブな推論スタイルで柔軟に解決する、複数の関連するが異なる1ショットの模倣タスクに対して、その性能を示す。
論文 参考訳（メタデータ） (2020-07-03T12:29:11Z)
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。