論文の概要: From Interactive to Co-Constructive Task Learning

• arxiv url: http://arxiv.org/abs/2305.15535v1
• Date: Wed, 24 May 2023 19:45:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-26 18:50:13.847231
• Title: From Interactive to Co-Constructive Task Learning
• Title（参考訳）: インタラクティブからココンストラクティブなタスク学習へ
• Authors: Anna-Lisa Vollmer, Daniel Leidner, Michael Beetz, Britta Wrede
• Abstract要約: インタラクティブなタスク学習に関する現在の提案をレビューし、その主な貢献について論じる。 次に、共同構築の概念について議論し、成人とロボットの相互作用からの研究知見を要約する。
• 参考スコア（独自算出の注目度）: 13.493719155524404
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Humans have developed the capability to teach relevant aspects of new or adapted tasks to a social peer with very few task demonstrations by making use of scaffolding strategies that leverage prior knowledge and importantly prior joint experience to yield a joint understanding and a joint execution of the required steps to solve the task. This process has been discovered and analyzed in parent-infant interaction and constitutes a ``co-construction'' as it allows both, the teacher and the learner, to jointly contribute to the task. We propose to focus research in robot interactive learning on this co-construction process to enable robots to learn from non-expert users in everyday situations. In the following, we will review current proposals for interactive task learning and discuss their main contributions with respect to the entailing interaction. We then discuss our notion of co-construction and summarize research insights from adult-child and human-robot interactions to elucidate its nature in more detail. From this overview we finally derive research desiderata that entail the dimensions architecture, representation, interaction and explainability.
• Abstract（参考訳）: 人間は、先行知識と重要な共同経験を生かした足場戦略を利用して、課題を解決するために必要なステップの合同理解と共同実行を得ることによって、社会的な仲間に新しい、あるいは適応されたタスクの適切な側面を教える能力を開発した。 このプロセスは、親子間相互作用において発見され分析され、教師と学習者の双方が共同でタスクに貢献できるように、'ココンストラクション'を構成する。 本稿では,ロボットが日常的に非熟練ユーザから学習できるように,この共構築プロセスにロボット対話学習の研究を集中させることを提案する。 以下に、対話型タスク学習に関する現在の提案を概観し、関連するインタラクションに関する主な貢献について論じる。 次に、共同構築の概念について議論し、大人とロボットの相互作用からの研究知見を要約し、その性質をより詳細に解明する。 この概要から最終的に、次元アーキテクチャ、表現、相互作用、説明可能性を伴う研究デシデラタを導出する。

関連論文リスト

• The intrinsic motivation of reinforcement and imitation learning for sequential tasks [0.5439020425818999]
  この研究は、強化学習と模倣学習の間に新しいドメインブリッジを考案することを目的としている。 学習エージェントが学習カリキュラムを自動的に選択するための経験的進歩に基づく本質的な動機付けの共通的な定式化を提案する。 我々は、複数のタスクを学習するための機械学習アルゴリズムを用いて、社会的にガイドされた本質的な動機付けの枠組みを開発した。
  論文  参考訳（メタデータ） (2024-12-29T20:44:59Z)
• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• The Power of Combined Modalities in Interactive Robot Learning [0.0]
  本研究では,人間とのインタラクションにおけるロボット学習の進化に寄与し,多様な入力モダリティが学習結果に与える影響について検討する。 これは「メタモダリティ」の概念を導入し、従来の嗜好やスカラーフィードバックのメカニズムを超えて、さらなるフィードバックの形式をカプセル化する。
  論文  参考訳（メタデータ） (2024-05-13T14:59:44Z)
• Understanding Entrainment in Human Groups: Optimising Human-Robot Collaboration from Lessons Learned during Human-Human Collaboration [7.670608800568494]
  コラボレーションにおけるトレーニングの成功は、信頼、協力への意欲、協力者への好意に肯定的な影響を及ぼす。 本稿では,HCI/HRI(Human-Computer/Robot Interaction)とHCI/HRI(Human-Centred approach)を併用し,ペアとグループによる協調作業における運動の特徴を同定する。
  論文  参考訳（メタデータ） (2024-02-23T16:42:17Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Automatic Context-Driven Inference of Engagement in HMI: A Survey [6.479224589451863]
  本稿では,人間と機械の相互作用に関するエンゲージメント推論について述べる。 これには、学際的定義、エンゲージメントコンポーネントと要因、公開データセット、地上真実の評価、そして最も一般的に使用される機能と方法が含まれる。 これは、信頼性の高いコンテキスト認識エンゲージメント推論機能を備えた、将来の人間と機械のインタラクションインターフェースの開発のためのガイドとして機能する。
  論文  参考訳（メタデータ） (2022-09-30T10:46:13Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
  外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。 我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
  論文  参考訳（メタデータ） (2022-03-19T03:22:57Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task Activities [119.88381048477854]
  LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。 我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。 この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
  論文  参考訳（メタデータ） (2020-07-31T00:13:54Z)
• Towards Effective Human-AI Collaboration in GUI-Based Interactive Task Learning Agents [29.413358312233253]
  我々は、インテリジェントエージェントに有用な対話型タスク学習を可能にする上で重要な課題は、効果的な人間とAIのコラボレーションを促進することであると論じている。 SGILITEシステムを設計・開発・研究するための過去5年間の取り組みを振り返る。
  論文  参考訳（メタデータ） (2020-03-05T14:12:19Z)

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。