論文の概要: Learning Goal-based Movement via Motivational-based Models in Cognitive Mobile Robots

• arxiv url: http://arxiv.org/abs/2302.09759v1
• Date: Mon, 20 Feb 2023 04:52:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 16:47:49.797722
• Title: Learning Goal-based Movement via Motivational-based Models in Cognitive Mobile Robots
• Title（参考訳）: 認知移動ロボットにおけるモチベーションモデルによるゴールベース運動の学習
• Authors: Let\'icia Berto, Paula Costa, Alexandre Sim\~oes, Ricardo Gudwin and Esther Colombini
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 58.720142291102135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humans have needs motivating their behavior according to intensity and context. However, we also create preferences associated with each action's perceived pleasure, which is susceptible to changes over time. This makes decision-making more complex, requiring learning to balance needs and preferences according to the context. To understand how this process works and enable the development of robots with a motivational-based learning model, we computationally model a motivation theory proposed by Hull. In this model, the agent (an abstraction of a mobile robot) is motivated to keep itself in a state of homeostasis. We added hedonic dimensions to see how preferences affect decision-making, and we employed reinforcement learning to train our motivated-based agents. We run three agents with energy decay rates representing different metabolisms in two different environments to see the impact on their strategy, movement, and behavior. The results show that the agent learned better strategies in the environment that enables choices more adequate according to its metabolism. The use of pleasure in the motivational mechanism significantly impacted behavior learning, mainly for slow metabolism agents. When survival is at risk, the agent ignores pleasure and equilibrium, hinting at how to behave in harsh scenarios.
• Abstract（参考訳）: 人間は強さや文脈に応じて行動に動機づける必要がある。 しかし、私たちはまた、時間とともに変化しうる、各アクションの知覚された快楽に関連する嗜好も生み出します。 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好みのバランスを取る必要がある。 このプロセスがどのように機能するかを理解し,モチベーションに基づく学習モデルを用いたロボットの開発を可能にするために,ハルが提唱したモチベーション理論を計算的にモデル化する。 このモデルでは、エージェント(移動ロボットの抽象化)は、ホメオスタシス状態に保つことを動機としている。 我々は、好みが意思決定にどう影響するかを調べるため、ヘドニック次元を追加し、モチベーションに基づくエージェントのトレーニングに強化学習を採用した。 2つの異なる環境で異なる代謝を示すエネルギー減衰率を持つ3つのエージェントを実行し、その戦略、運動、行動への影響を観察した。 その結果, その代謝に応じて選択がより適切に行える環境において, エージェントはより良い戦略を学習した。 動機づけメカニズムにおける快楽の使用は、主に低代謝剤に対する行動学習に大きな影響を及ぼした。 生存が危険である場合、エージェントは快楽と均衡を無視し、厳しいシナリオでどのように振る舞うかを示唆する。

関連論文リスト

• Deep Active Visual Attention for Real-time Robot Motion Generation: Emergence of Tool-body Assimilation and Adaptive Tool-use [9.141661467673817]
  本稿では,人間の認知構造に触発された新しいロボットモーション生成モデルを提案する。 このモデルには状態駆動のアクティブなトップダウン視覚的注意モジュールが組み込まれており、タスクの状態に基づいてターゲットを積極的に変更することができる。 その結果、訓練されていない道具を装着したり、実験者の気遣いに晒されたりしても、安定した注意と動きを維持できるモデル視覚の柔軟性の向上が示唆された。
  論文  参考訳（メタデータ） (2022-06-29T10:55:32Z)
• The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents [51.94554095091305]
  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。
  論文  参考訳（メタデータ） (2022-01-02T20:14:01Z)
• Modelling Behaviour Change using Cognitive Agent Simulations [0.0]
  本稿では, シミュレーションエージェントに選択された行動変化理論を適用するために, プログレッシブ・イン・プログレッシブ・リサーチを提案する。 この研究は、不適切な状況下での自己決定的目標達成に必要な複雑なエージェントアーキテクチャに焦点を当てている。
  論文  参考訳（メタデータ） (2021-10-16T19:19:08Z)
• Controlling the Sense of Agency in Dyadic Robot Interaction: An Active Inference Approach [6.421670116083633]
  変形型繰り返しニューラルネットワークモデルを用いて,ロボットのダイアディック模倣相互作用を検討する。 トレーニング中の自由エネルギーを最小化する複雑性項の制御が,ネットワークの動的特性をいかに決定するかを検討した。
  論文  参考訳（メタデータ） (2021-03-03T02:38:09Z)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
  エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。 提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
  論文  参考訳（メタデータ） (2020-11-12T19:04:26Z)
• 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)
• 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。