論文の概要: Developmental Curiosity and Social Interaction in Virtual Agents
- arxiv url: http://arxiv.org/abs/2305.13396v1
- Date: Mon, 22 May 2023 18:17:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 21:07:58.652243
- Title: Developmental Curiosity and Social Interaction in Virtual Agents
- Title（参考訳）: 仮想エージェントの発達好奇心と社会的相互作用
- Authors: Chris Doyle, Sarah Shader, Michelle Lau, Megumi Sano, Daniel L. K.
Yamins and Nick Haber
- Abstract要約: 我々は、仮想幼児エージェントを作成し、外部の報酬を伴わずに、発達にインスパイアされた3D環境に配置する。
我々は、人間の探索を促進するために提案されたモチベーションに類似した本質的な報酬関数をテストする。
注意深い介護者の存在下で世界モデルを学ぶことは、幼児エージェントがシナリオを予測する方法を学ぶのに役立ちます。
- 参考スコア（独自算出の注目度）: 2.8894038270224858
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Infants explore their complex physical and social environment in an organized
way. To gain insight into what intrinsic motivations may help structure this
exploration, we create a virtual infant agent and place it in a
developmentally-inspired 3D environment with no external rewards. The
environment has a virtual caregiver agent with the capability to interact
contingently with the infant agent in ways that resemble play. We test
intrinsic reward functions that are similar to motivations that have been
proposed to drive exploration in humans: surprise, uncertainty, novelty, and
learning progress. These generic reward functions lead the infant agent to
explore its environment and discover the contingencies that are embedded into
the caregiver agent. The reward functions that are proxies for novelty and
uncertainty are the most successful in generating diverse experiences and
activating the environment contingencies. We also find that learning a world
model in the presence of an attentive caregiver helps the infant agent learn
how to predict scenarios with challenging social and physical dynamics. Taken
together, our findings provide insight into how curiosity-like intrinsic
rewards and contingent social interaction lead to dynamic social behavior and
the creation of a robust predictive world model.
- Abstract（参考訳）: 幼児は複雑な身体的・社会的環境を組織的に探索する。
この探索を構築する上で,本質的なモチベーションがどのような役割を果たすかを知るために,仮想幼児エージェントを作成し,外部の報酬を伴わない発達的な3D環境に配置する。
環境には仮想介護エージェントがあり、遊びに似た方法で幼児エージェントと同時に対話する能力がある。
我々は、人間の探索を促進するために提案されたモチベーションに類似した本質的な報酬関数(驚き、不確実性、新規性、学習の進歩)をテストする。
これらの一般的な報酬機能により、乳児エージェントはその環境を探索し、介護エージェントに埋め込まれた偶然を発見する。
新規性と不確実性のためのプロキシである報酬関数は、多様な経験を生み出し、環境を活性化するのに最も成功している。
また、注意深い介護者の存在下で世界モデルを学ぶことは、幼児エージェントが社会的・身体的ダイナミクスに挑戦してシナリオを予測する方法を学ぶのに役立ちます。
本研究で得られた知見は,好奇心的な本質的な報酬や社会的相互作用が,動的社会的行動や堅牢な予測的世界モデルの構築にどのように寄与するかを考察する。
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) - 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) - From Modelling to Understanding Children's Behaviour in the Context of
Robotics and Social Artificial Intelligence [3.6017760602154576]
このワークショップは、開発科学、人工知能、社会ロボティクスなど、様々な分野の共通基盤を促進することを目的としている。
子ども向けユーザモデリングと適応システムの分野における最先端の研究について論じる。
論文 参考訳（メタデータ） (2022-10-20T10:58:42Z) - 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) - Information is Power: Intrinsic Control via Information Capture [110.3143711650806]
我々は,潜時状態空間モデルを用いて推定したエージェントの状態訪問のエントロピーを最小化する,コンパクトで汎用的な学習目的を論じる。
この目的は、不確実性の低減に対応する環境情報収集と、将来の世界状態の予測不可能性の低減に対応する環境制御の両方をエージェントに誘導する。
論文 参考訳（メタデータ） (2021-12-07T18:50:42Z) - Development of collective behavior in newborn artificial agents [0.0]
我々は、深層強化学習と好奇心駆動学習を用いて、集団行動を発達させる新しい人工エージェントを構築する。
我々のエージェントは、本質的なモチベーション(好奇心)のみを用いて、外部の報酬なしに集団行動を学ぶ。
この研究は、高次元の感覚入力と集団行動の分離を橋渡しし、その結果、集合動物の行動のピクセル間相互作用モデルをもたらす。
論文 参考訳（メタデータ） (2021-11-06T03:46:31Z) - Self-Supervised Exploration via Latent Bayesian Surprise [4.088019409160893]
本研究では,強化学習に固有の報酬として,好奇心に基づくボーナスを提案する。
環境調査の観点から、エージェントの性能を計測し、モデルを幅広く評価します。
我々のモデルは安価で経験的にいくつかの問題に対して最先端の性能を示す。
論文 参考訳（メタデータ） (2021-04-15T14:40:16Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳（メタデータ） (2021-03-02T18:44:57Z) - 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) - 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) - Learning Affordance Landscapes for Interaction Exploration in 3D
Environments [101.90004767771897]
エージェントは環境の仕組みを習得できなければならない。
相互作用探索のための強化学習手法を提案する。
AI2-iTHORで私たちのアイデアを実証します。
論文 参考訳（メタデータ） (2020-08-21T00:29:36Z)
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。