論文の概要: A Domain-Independent Agent Architecture for Adaptive Operation in Evolving Open Worlds

• arxiv url: http://arxiv.org/abs/2306.06272v1
• Date: Fri, 9 Jun 2023 21:54:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-13 20:03:05.119046
• Title: A Domain-Independent Agent Architecture for Adaptive Operation in Evolving Open Worlds
• Title（参考訳）: オープンワールド進化における適応操作のためのドメイン非依存エージェントアーキテクチャ
• Authors: Shiwali Mohan, Wiktor Piotrowski, Roni Stern, Sachin Grover, Sookyung Kim, Jacob Le, Johan De Kleer
• Abstract要約: HYDRAは、混合した離散連続世界で動作するモデルベースのエージェントを設計するためのフレームワークである。 これは、エージェントが様々な側面から自身の振る舞いを監視できるようにする、新しいメタ推論プロセスを実装している。 このフレームワークは、3つの異なるドメインに対して新規に認識されたエージェントを実装するために使われてきた。
• 参考スコア（独自算出の注目度）: 18.805929922009806
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Model-based reasoning agents are ill-equipped to act in novel situations in which their model of the environment no longer sufficiently represents the world. We propose HYDRA - a framework for designing model-based agents operating in mixed discrete-continuous worlds, that can autonomously detect when the environment has evolved from its canonical setup, understand how it has evolved, and adapt the agents' models to perform effectively. HYDRA is based upon PDDL+, a rich modeling language for planning in mixed, discrete-continuous environments. It augments the planning module with visual reasoning, task selection, and action execution modules for closed-loop interaction with complex environments. HYDRA implements a novel meta-reasoning process that enables the agent to monitor its own behavior from a variety of aspects. The process employs a diverse set of computational methods to maintain expectations about the agent's own behavior in an environment. Divergences from those expectations are useful in detecting when the environment has evolved and identifying opportunities to adapt the underlying models. HYDRA builds upon ideas from diagnosis and repair and uses a heuristics-guided search over model changes such that they become competent in novel conditions. The HYDRA framework has been used to implement novelty-aware agents for three diverse domains - CartPole++ (a higher dimension variant of a classic control problem), Science Birds (an IJCAI competition problem), and PogoStick (a specific problem domain in Minecraft). We report empirical observations from these domains to demonstrate the efficacy of various components in the novelty meta-reasoning process.
• Abstract（参考訳）: モデルに基づく推論エージェントは、環境のモデルがもはや世界を十分に表現していない新しい状況下では機能しない。 本研究では、混在した離散連続環境で動作するモデルベースエージェントを設計するためのフレームワークHYDRAを提案し、環境が標準的設定から進化したことを自律的に検出し、どのように進化したかを理解し、エージェントのモデルを効果的に動作させる。 HYDRAは、混合した離散連続環境における計画のためのリッチなモデリング言語PDDL+に基づいている。 複雑な環境とのクローズドループインタラクションのための視覚的推論、タスク選択、アクション実行モジュールで計画モジュールを拡張する。 HYDRAは、エージェントが様々な側面から自身の行動を監視することができる新しいメタ推論プロセスを実装している。 このプロセスは様々な計算手法を用いて、環境におけるエージェント自身の振る舞いに対する期待を維持する。 これらの期待の相違は、環境がいつ進化したかを検出し、基礎となるモデルに適応する機会を特定するのに役立つ。 HYDRAは診断と修復のアイデアに基づいて構築され、新しい状況において有能になるようなモデル変更に対するヒューリスティックス誘導探索を使用している。 HYDRAフレームワークは、CartPole++(古典的な制御問題の高次元変種)、Science Birds(IJCAI競合問題)、PogoStick(Minecraftの特定の問題領域)の3つの異なるドメインに対して、斬新なエージェントを実装するために使用されている。 本稿では,これらの領域から経験的観察を行い,新規なメタ推論プロセスにおける各種成分の有効性を実証する。

関連論文リスト

• Efficient Adaptation in Mixed-Motive Environments via Hierarchical Opponent Modeling and Planning [51.52387511006586]
  本稿では,HOP(Hierarchical Opponent Modeling and Planning)を提案する。 HOPは階層的に2つのモジュールから構成される: 相手の目標を推論し、対応する目標条件のポリシーを学ぶ、反対モデリングモジュール。 HOPは、さまざまな未確認エージェントと相互作用する際、優れた少数ショット適応能力を示し、セルフプレイのシナリオで優れている。
  論文  参考訳（メタデータ） (2024-06-12T08:48:06Z)
• AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
  大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。 我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。 我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-06-06T15:15:41Z)
• HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
  HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。 このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
  論文  参考訳（メタデータ） (2024-01-23T18:59:43Z)
• 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)
• INTAGS: Interactive Agent-Guided Simulation [4.04638613278729]
  マルチエージェントシステム(MAS)を含む多くのアプリケーションでは、実稼働に先立って、実験的な(Exp)自律エージェントを高忠実度シミュレータでテストすることが必須である。 本稿では,ExpエージェントとBGエージェントのライブインタラクションによって評価される実システムと合成マルチエージェントシステムとを区別する指標を提案する。 InTAGSを用いてシミュレータのキャリブレーションを行い、現状のWasserstein Generative Adversarial Networkアプローチと比較して、より現実的な市場データを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-09-04T19:56:18Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Spot the Difference: A Novel Task for Embodied Agents in Changing Environments [43.52107532692226]
  Embodied AIは、環境の中で動き、操作できるインテリジェントなエージェントを作ることを目指している。 本研究では,エージェントが時代遅れの環境マップにアクセス可能なEmbodied AIのための新しいタスクであるSpot the differenceを提案する。 本研究では,環境に関する過去の知見を活かし,既存のエージェントよりも迅速かつ効果的に現場の変化を識別する探索政策を提案する。
  論文  参考訳（メタデータ） (2022-04-18T18:30:56Z)
• Co-optimising Robot Morphology and Controller in a Simulated Open-Ended Environment [1.4502611532302039]
  エージェントがロコホートする環境の変化が形態の収束にどのように影響するかを示す。 オープンエンド進化環境において進化するエージェント集団は,手作り環境において進化するエージェント集団よりも大きな形態的多様性を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-07T11:28:23Z)
• Model-based Reinforcement Learning for Decentralized Multiagent Rendezvous [66.6895109554163]
  目標を他のエージェントと整合させる人間の能力の下にあるのは、他人の意図を予測し、自分たちの計画を積極的に更新する能力である。 分散型マルチエージェントレンデブーのためのモデルに基づく強化学習手法である階層型予測計画(HPP)を提案する。
  論文  参考訳（メタデータ） (2020-03-15T19:49:20Z)

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。