論文の概要: Adaptive User-centered Neuro-symbolic Learning for Multimodal Interaction with Autonomous Systems

• arxiv url: http://arxiv.org/abs/2309.05787v1
• Date: Mon, 11 Sep 2023 19:35:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-13 15:18:24.892416
• Title: Adaptive User-centered Neuro-symbolic Learning for Multimodal Interaction with Autonomous Systems
• Title（参考訳）: 自律システムとのマルチモーダルインタラクションのための適応型ユーザ中心型ニューロシンボリック学習
• Authors: Amr Gomaa, Michael Feld
• Abstract要約: 機械学習の最近の進歩により、自律システムは物体を知覚し、理解することができるようになった。 人間が提供する明示的な教えと、人間の行動を観察して得られる暗黙的な教えの両方を考慮することが不可欠である。 インプットのタイプや,ループ内の人間とインクリメンタルな学習技術についても検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in machine learning, particularly deep learning, have enabled autonomous systems to perceive and comprehend objects and their environments in a perceptual subsymbolic manner. These systems can now perform object detection, sensor data fusion, and language understanding tasks. However, there is a growing need to enhance these systems to understand objects and their environments more conceptually and symbolically. It is essential to consider both the explicit teaching provided by humans (e.g., describing a situation or explaining how to act) and the implicit teaching obtained by observing human behavior (e.g., through the system's sensors) to achieve this level of powerful artificial intelligence. Thus, the system must be designed with multimodal input and output capabilities to support implicit and explicit interaction models. In this position paper, we argue for considering both types of inputs, as well as human-in-the-loop and incremental learning techniques, for advancing the field of artificial intelligence and enabling autonomous systems to learn like humans. We propose several hypotheses and design guidelines and highlight a use case from related work to achieve this goal.
• Abstract（参考訳）: 近年の機械学習、特にディープラーニングの進歩により、自律システムは物体とその環境を知覚的サブシンボリックな方法で認識し理解できるようになった。 これらのシステムは、オブジェクト検出、センサーデータ融合、言語理解タスクを実行することができる。 しかし、オブジェクトとその環境をより概念的で象徴的に理解するためのシステムを強化する必要性が高まっている。 人間が提供する明示的な教え(例えば、状況の説明や行動の仕方の説明など)と、人間の行動(例えば、システムのセンサーを通して)を観察して得られる暗黙的な教えの両方を、このレベルの強力な人工知能を達成するために考慮することが不可欠である。 したがって、システムは暗黙的かつ明示的な相互作用モデルをサポートするために、マルチモーダルな入力および出力機能で設計されなければならない。 本稿では、人工知能の分野を前進させ、自律的なシステムが人間のように学習できるようにするため、両方の入力タイプと、ループ内人間とインクリメンタルな学習技術について考察する。 この目的を達成するために,いくつかの仮説と設計ガイドラインを提案し,関連する作業のユースケースを強調する。

関連論文リスト

• Neurosymbolic Value-Inspired AI (Why, What, and How) [8.946847190099206]
  本稿では,VAI(Value-Inspired AI)というニューロシンボリック・コンピューティング・フレームワークを提案する。 VAIは、人間の価値の様々な次元を表現し、統合することを目的としている。 我々は、この方向における現在の進歩についての洞察を提供し、この分野の将来的な方向性について概説する。
  論文  参考訳（メタデータ） (2023-12-15T16:33:57Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• Human-oriented Representation Learning for Robotic Manipulation [64.59499047836637]
  人間は本質的に、操作作業において環境を効率的に探索し、相互作用することを可能にする、一般化可能な視覚表現を持っている。 我々は、このアイデアを、事前訓練された視覚エンコーダの上に、人間指向のマルチタスク微調整のレンズを通してフォーマル化する。 我々のタスクフュージョンデコーダは、下流操作ポリシー学習のための最先端の3つのビジュアルエンコーダの表現を一貫して改善する。
  論文  参考訳（メタデータ） (2023-10-04T17:59:38Z)
• Neurosymbolic AI - Why, What, and How [9.551858963199987]
  人間は知覚と認知の組み合わせを使って環境と相互作用する。 一方、機械認識はより複雑な計算を包含する。 本稿では,ニューロシンボリックAIの新たなパラダイムを紹介する。
  論文  参考訳（メタデータ） (2023-05-01T13:27:22Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)
• The future of human-AI collaboration: a taxonomy of design knowledge for hybrid intelligence systems [0.0]
  我々は、人間と機械の社会技術的アンサンブルを開発する必要性を特定する。 本稿では,機械学習パイプラインにおける人間の役割に関する学際研究の概観について述べる。 第二に、ハイブリッドインテリジェンスシステムを構想し、システム設計の関連寸法を概念化します。
  論文  参考訳（メタデータ） (2021-05-07T16:10:44Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)
• Perspectives and Ethics of the Autonomous Artificial Thinking Systems [0.0]
  我々のモデルは、情報システムの階層、認知階層、言語階層、デジタル情報階層の4つの階層を使用する。 人工思考の形式を提供する自律システムの能力に関する疑問は、社会生活とトランスヒューマニズムの観点に倫理的な結果をもたらす。
  論文  参考訳（メタデータ） (2020-01-13T14:23:21Z)

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。