論文の概要: Novelty Accommodating Multi-Agent Planning in High Fidelity Simulated
Open World
- arxiv url: http://arxiv.org/abs/2306.12654v1
- Date: Thu, 22 Jun 2023 03:44:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-23 15:35:36.157461
- Title: Novelty Accommodating Multi-Agent Planning in High Fidelity Simulated
Open World
- Title(参考訳): 高忠実なオープンワールドにおける新規なマルチエージェント計画
- Authors: James Chao, Wiktor Piotrowski, Mitch Manzanares, Douglas S. Lange
- Abstract要約: ノベルティ(英: Novelty)は、環境のコア特性、組成、力学を変化させる予期せぬ現象である。
これまでの研究では、新規性はエージェントのパフォーマンスに破滅的な影響を及ぼすことが示されている。
本研究では、軍事領域の現実的な高忠実度シミュレータにおいて、ドメイン非依存のAIエージェントが、斬新な動作と推論を成功させるために適応できることを実証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Autonomous agents acting in real-world environments often need to reason with
unknown novelties interfering with their plan execution. Novelty is an
unexpected phenomenon that can alter the core characteristics, composition, and
dynamics of the environment. Novelty can occur at any time in any sufficiently
complex environment without any prior notice or explanation. Previous studies
show that novelty has catastrophic impact on agent performance. Intelligent
agents reason with an internal model of the world to understand the intricacies
of their environment and to successfully execute their plans. The introduction
of novelty into the environment usually renders their internal model inaccurate
and the generated plans no longer applicable. Novelty is particularly prevalent
in the real world where domain-specific and even predicted novelty-specific
approaches are used to mitigate the novelty's impact. In this work, we
demonstrate that a domain-independent AI agent designed to detect,
characterize, and accommodate novelty in smaller-scope physics-based games such
as Angry Birds and Cartpole can be adapted to successfully perform and reason
with novelty in realistic high-fidelity simulator of the military domain.
- Abstract(参考訳): 現実の環境で行動する自律エージェントは、しばしば計画実行に干渉する未知の新規性を推論する必要がある。
ノベルティは、環境のコア特性、構成、ダイナミクスを変化させる予期せぬ現象である。
新規性は、事前の通知や説明なしに、十分に複雑な環境でいつでも起こりうる。
これまでの研究では、新規性はエージェントのパフォーマンスに破滅的な影響を及ぼすことが示されている。
インテリジェントエージェントは、環境の複雑さを理解し、その計画をうまく実行するために、世界の内部モデルを推論します。
環境への新規性の導入は通常、内部モデルを不正確なものにし、生成された計画はもはや適用されない。
ノベルティは特に、ドメイン固有で予測されるノベルティ固有のアプローチがノベルティの影響を緩和するために使われる実世界で広く使われている。
本研究では,angry birds や cartpole などの小型物理系ゲームにおいて,新奇性を検出,特徴化し,適応するドメインに依存しないaiエージェントを,軍用ドメインの現実的な高精細シミュレータにおいて,新奇性をうまく実行し,理性に適合させることを実証する。
関連論文リスト
- 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) - 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) - A Domain-Independent Agent Architecture for Adaptive Operation in
Evolving Open Worlds [18.805929922009806]
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。
論文 参考訳(メタデータ) (2023-06-09T21:54:13Z) - Human in the Loop Novelty Generation [2.320417845168326]
新規性を生成するためにドメイン依存の人間指導を必要としない環境の抽象モデルを用いた新規性生成の新しいアプローチを導入する。
本稿では,オープンソースノベルティ生成ライブラリを用いたHuman-in-the-Loopのノベルティ生成プロセスについて述べる。
以上の結果から,モノポリードメインとビズドゥームドメインの両方において,新規性を4時間以内で開発,実装,テスト,修正できるHuman-in-the-Loop方式が得られた。
論文 参考訳(メタデータ) (2023-06-07T22:30:27Z) - NovPhy: A Testbed for Physical Reasoning in Open-world Environments [5.736794130342911]
現実の世界では、私たちはこれまで遭遇したことのない新しい状況に直面しています。
エージェントは、オープンワールドの物理的環境で適切に操作するために、新規性の影響下で機能する能力を持つ必要がある。
我々は,新規性の存在下での物理的シナリオをエージェントが説明する必要がある新しいテストベッド,NovPhyを提案する。
論文 参考訳(メタデータ) (2023-03-03T04:59:03Z) - Characterizing Novelty in the Military Domain [0.0]
運用において、リッチな環境は、トレーニングセットやエンジニアリングモデルで説明されていない課題を提示する可能性が高い。
国防高等研究計画局(DARPA)のプログラムは、新規性に堅牢なエージェントの開発を目指している。
この能力は、ミッションクリティカルな環境の中でAIが想定される役割の前に必要となる。
論文 参考訳(メタデータ) (2023-02-23T20:21:24Z) - Neuro-Symbolic World Models for Adapting to Open World Novelty [9.707805250772129]
早急なノベルティ適応のための、エンドツーエンドのトレーニング可能なニューロシンボリックワールドモデルであるWorldClonerを紹介する。
WorldClonerは、プレノベルティ環境遷移の効率的なシンボル表現を学ぶ。
WorldClonerは、想像力に基づく適応を使用してポリシー学習プロセスを強化する。
論文 参考訳(メタデータ) (2023-01-16T07:49:12Z) - Emergent Complexity and Zero-shot Transfer via Unsupervised Environment
Design [121.73425076217471]
本研究では,未知のパラメータを持つ環境を提供するUnsupervised Environment Design (UED)を提案する。
プロタゴニスト・アンタゴニストによるレグレト環境デザイン(PAIRED)と呼ぶ。
実験により, PAIREDは複雑な環境の自然なカリキュラムを生産し, PAIREDエージェントは, 高度に新規な環境での試験において, 高いゼロショット転送性能が得られることを示した。
論文 参考訳(メタデータ) (2020-12-03T17:37:01Z) - Integrating Egocentric Localization for More Realistic Point-Goal
Navigation Agents [90.65480527538723]
本研究では,ノイズ行動力学の下での自我行動の視覚的推定に依存するポイントゴールナビゲーションエージェントを開発した。
私たちのエージェントはCVPR 2020 Habitat ChallengeのPointNavトラックのランナーでした。
論文 参考訳(メタデータ) (2020-09-07T16:52:47Z) - Environment Shaping in Reinforcement Learning using State Abstraction [63.444831173608605]
状態抽象化を用いた環境形成の新しい枠組みを提案する。
私たちのキーとなるアイデアは、ノイズの多い信号で環境の大きな状態空間を抽象空間に圧縮することです。
エージェントの方針は, 形状の環境において学習し, 元の環境において, ほぼ最適動作を保っていることを示す。
論文 参考訳(メタデータ) (2020-06-23T17:00:22Z)
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。