論文の概要: Embodiment Enables Non-Predictive Ways of Coping with Self-Caused Sensory Stimuli

• arxiv url: http://arxiv.org/abs/2205.06446v1
• Date: Fri, 13 May 2022 04:35:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-13 06:59:12.166846
• Title: Embodiment Enables Non-Predictive Ways of Coping with Self-Caused Sensory Stimuli
• Title（参考訳）: 自傷性感覚刺激による非予測的コーピングを可能にするエンボディメント
• Authors: James Garner and Matthew Egbert
• Abstract要約: リビングシステムは、適応的な振る舞いを促進するために感覚データを処理します。 本研究では, センサモレータを自作した簡易なエンボディードシステムの計算モデルを実装した。 自己因果入力を制御するための行動を制御するソリューションは、自己因果入力を予測・フィルタリングするソリューションよりも、出現する傾向にある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Living systems process sensory data to facilitate adaptive behaviour. A given sensor can be stimulated as the result of internally driven activity, or by purely external (environmental) sources. It is clear that these inputs are processed differently - have you ever tried tickling yourself? The canonical explanation of this difference is that when the brain sends a signal that would result in motor activity, it uses a copy of that signal to predict the sensory consequences of the resulting motor activity. The predicted sensory input is then subtracted from the actual sensory input, resulting in attenuation of the stimuli. To critically evaluate this idea, and investigate when non-predictive solutions may be viable, we implement a computational model of a simple embodied system with self-caused sensorimotor dynamics, and analyse how controllers successfully accomplish tasks in this model. We find that in these simple systems, solutions that regulate behaviour to control self-caused sensory inputs tend to emerge, rather than solutions which predict and filter out self-caused inputs. In some cases, solutions depend on the presence of these self-caused inputs.
• Abstract（参考訳）: 生体システムは、適応行動を容易にするために感覚データを処理します。 与えられたセンサーは、内部活動の結果、または純粋に外部(環境)の源によって刺激される。 これらの入力は別々に処理されていることは明らかです。 この違いの正統的な説明は、脳が運動活動をもたらすシグナルを送ると、その信号のコピーを使って運動活動の知覚結果を予測することである。 予測された感覚入力は実際の感覚入力から減算され、刺激が減衰する。 この概念を批判的に評価し,非予測的解がいつ実現可能かを検討するために,自己起因型センサモジュレータダイナミクスを用いた簡易な具体化システムの計算モデルを実装し,このモデルにおいてコントローラがどのようにタスクを成功させるかを解析する。 これらの単純なシステムでは、自己因果入力を予測・フィルタリングする解よりも、自己因果入力を制御する行動を制御する解が出現する傾向がある。 場合によっては、解はこれらの自己原因入力の存在に依存する。

関連論文リスト

• A model-free approach to fingertip slip and disturbance detection for grasp stability inference [0.0]
  触覚センサを用いた握り安定性の評価手法を提案する。 我々は、アレグロハンドに搭載された高感度のウスキン触覚センサーを用いて、我々の手法を検証、検証した。
  論文  参考訳（メタデータ） (2023-11-22T09:04:26Z)
• What's on your mind? A Mental and Perceptual Load Estimation Framework towards Adaptive In-vehicle Interaction while Driving [55.41644538483948]
  精神的な作業量と知覚的負荷が心理生理学的次元に及ぼす影響を分析する。 これらの測定値の融合により、心的および知覚的負荷レベルを分類する。 我々は、最大89%のメンタルワークロード分類精度を報告し、リアルタイムに最小限のソリューションを提供する。
  論文  参考訳（メタデータ） (2022-08-10T21:19:49Z)
• Adaptation through prediction: multisensory active inference torque control [0.0]
  本稿では,産業用アームのための多感能動型トルクコントローラを提案する。 私たちのコントローラは、予測的脳仮説にインスパイアされ、現在のアクティブな推論アプローチの能力を向上します。
  論文  参考訳（メタデータ） (2021-12-13T16:03:18Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)
• Sensory attenuation develops as a result of sensorimotor experience [7.109236732052832]
  我々は、知覚(固有受容と外受容)、関連性、実行領域からなるニューラルネットワークモデルを作成しました。 ネットワークによって制御された模擬ロボットは、自己生成または外部生成された外部受容フィードバックで運動パターンを取得することを学習した。 その結果,ロボットは学習初期において,自己生成型と外部生成型の両方の感覚・関連領域の反応を初めて増加させた。
  論文  参考訳（メタデータ） (2021-11-04T07:12:48Z)
• Towards Stochastic Fault-tolerant Control using Precision Learning and Active Inference [3.6536977425574664]
  本研究では,アクティブ推論に基づくロボットマニピュレータの耐故障性制御手法を提案する。 既存のスキームの大多数では、測定データに基づいて、センサが正常(機能)か故障かを二分判定する。 本稿では,障害回復を誘発する事前しきい値の定義を必要としない,能動推論と高精度学習に基づく耐故障性スキームを提案する。
  論文  参考訳（メタデータ） (2021-09-13T11:14:19Z)
• Adaptive conversion of real-valued input into spike trains [91.3755431537592]
  本稿では,実数値入力をスパイクトレインに変換し,スパイクニューラルネットワークで処理する方法を提案する。 提案手法は網膜神経節細胞の適応的挙動を模倣し,入力ニューロンが入力の統計の変化に応答することを可能にする。
  論文  参考訳（メタデータ） (2021-04-12T12:33:52Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• Evaluating the Apperception Engine [31.071555696874054]
  Apperception Engineは教師なし学習システムである。 両者とも感覚系列を説明し、一意条件の集合を満たすシンボリック因果理論を構築している。 将来のセンサーの読み出しを予測したり、以前の読み出しを再現したり、欠落した読み出しに応用することができる。
  論文  参考訳（メタデータ） (2020-07-09T11:54:05Z)

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。