論文の概要: Learning Spatial and Temporal Hierarchies: Hierarchical Active Inference
for navigation in Multi-Room Maze Environments
- arxiv url: http://arxiv.org/abs/2309.09864v1
- Date: Mon, 18 Sep 2023 15:24:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 12:41:24.529372
- Title: Learning Spatial and Temporal Hierarchies: Hierarchical Active Inference
for navigation in Multi-Room Maze Environments
- Title（参考訳）: 空間的階層と時間的階層の学習:マルチルーム迷路環境におけるナビゲーションのための階層的アクティブ推論
- Authors: Daria de Tinguy, Toon Van de Maele, Tim Verbelen, Bart Dhoedt
- Abstract要約: 本稿では,画素ベースの観測から世界の構造を推定する課題に対処する階層的アクティブ推論モデルを提案する。
本稿では,好奇心を駆使した探索と目標志向の行動を組み合わせた認知マップ,アロセントリック,エゴセントリックな世界モデルからなる3層階層モデルを提案する。
- 参考スコア（独自算出の注目度）: 8.301959009586861
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cognitive maps play a crucial role in facilitating flexible behaviour by
representing spatial and conceptual relationships within an environment. The
ability to learn and infer the underlying structure of the environment is
crucial for effective exploration and navigation. This paper introduces a
hierarchical active inference model addressing the challenge of inferring
structure in the world from pixel-based observations. We propose a three-layer
hierarchical model consisting of a cognitive map, an allocentric, and an
egocentric world model, combining curiosity-driven exploration with
goal-oriented behaviour at the different levels of reasoning from context to
place to motion. This allows for efficient exploration and goal-directed search
in room-structured mini-grid environments.
- Abstract（参考訳）: 認知地図は、環境内の空間的および概念的関係を表現することによって柔軟な行動を促進する上で重要な役割を果たす。
環境の基盤構造を学習し、推測する能力は、効率的な探索と航海に不可欠である。
本稿では,画素に基づく観測から世界の構造を推測する課題に対処する階層的アクティブ推論モデルを提案する。
本稿では,認知マップ,アロセンティブ,エゴセントリックな世界モデルからなる3層階層型階層モデルを提案する。
これにより、部屋構成のミニグリッド環境における効率的な探索と目標指向探索が可能になる。
関連論文リスト
- Learning Dynamic Cognitive Map with Autonomous Navigation [8.301959009586861]
生物にインスパイアされた原理に根ざした空間をナビゲートし、マッピングするための新しい計算モデルを導入する。
我々のモデルは、予測されたポーズに対する動的に拡大する認知マップをActive Inferenceフレームワークに組み込んでいる。
我々のモデルは、観測と世界次元に関する事前の知識なしにこれを達成し、複雑な環境をナビゲートする際の頑丈さと有効性を裏付ける。
論文 参考訳（メタデータ） (2024-11-13T08:59:53Z) - 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) - Exploring and Learning Structure: Active Inference Approach in Navigational Agents [8.301959009586861]
動物は記憶、想像力、戦略的な意思決定を効率的に利用することで優れたナビゲーション能力を示す。
生物にインスパイアされた原理に根ざしたナビゲーションとマッピングのための新しい計算モデルを導入する。
論文 参考訳（メタデータ） (2024-08-12T08:17:14Z) - Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - Dynamic planning in hierarchical active inference [0.0]
人間の脳が認知決定に関連する運動軌跡を推論し、導入する能力について述べる。
本研究では,アクティブ推論における動的計画の話題に焦点を当てた。
論文 参考訳（メタデータ） (2024-02-18T17:32:53Z) - Learning Navigational Visual Representations with Semantic Map
Supervision [85.91625020847358]
エージェントの自我中心のビューとセマンティックマップを対比してナビゲーション固有の視覚表現学習法を提案する。
Ego$2$-Map学習は、オブジェクト、構造、遷移などのコンパクトでリッチな情報を、ナビゲーションのためのエージェントのエゴセントリックな表現に転送する。
論文 参考訳（メタデータ） (2023-07-23T14:01:05Z) - Inferring Hierarchical Structure in Multi-Room Maze Environments [4.6956495676681484]
本稿では,画素ベースの観測から世界の構造を推定する課題に対処する階層的アクティブ推論モデルを提案する。
本稿では,好奇心を駆使した探索と目標志向の行動を組み合わせた認知マップ,アロセントリック,エゴセントリックな世界モデルからなる3層階層モデルを提案する。
論文 参考訳（メタデータ） (2023-06-23T15:15:57Z) - Unsupervised Discriminative Embedding for Sub-Action Learning in Complex
Activities [54.615003524001686]
本稿では,複雑な活動における教師なしサブアクション学習の新たなアプローチを提案する。
提案手法は,視覚表現と時間表現の両方を,サブアクションを識別的に学習する潜在空間にマッピングする。
視覚-時空間埋め込みと判別的潜在概念の組み合わせにより,教師なし設定でロバストな動作表現を学習できることを示す。
論文 参考訳（メタデータ） (2021-04-30T20:07:27Z) - Learning intuitive physics and one-shot imitation using
state-action-prediction self-organizing maps [0.0]
人間は探索と模倣によって学び、世界の因果モデルを構築し、両方を使って新しいタスクを柔軟に解決する。
このような特徴を生み出す単純だが効果的な教師なしモデルを提案する。
エージェントがアクティブな推論スタイルで柔軟に解決する、複数の関連するが異なる1ショットの模倣タスクに対して、その性能を示す。
論文 参考訳（メタデータ） (2020-07-03T12:29:11Z) - Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。
本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文 参考訳（メタデータ） (2020-07-01T17:52:32Z) - Neural Topological SLAM for Visual Navigation [112.73876869904]
意味論を生かし、近似幾何学的推論を行う空間のトポロジ的表現を設計する。
本稿では,ノイズのあるアクティベーションの下でそのような表現を構築し,維持し,使用することができる教師付き学習ベースアルゴリズムについて述べる。
論文 参考訳（メタデータ） (2020-05-25T17:56:29Z)
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。