論文の概要: Understanding Tool Discovery and Tool Innovation Using Active Inference
- arxiv url: http://arxiv.org/abs/2311.03893v1
- Date: Tue, 7 Nov 2023 11:12:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 16:02:50.326200
- Title: Understanding Tool Discovery and Tool Innovation Using Active Inference
- Title(参考訳): アクティブ推論を用いたツール発見とツールイノベーションの理解
- Authors: Poppy Collis, Paul F Kinghorn, Christopher L Buckley
- Abstract要約: 新しいツールを発明する能力は、新しい環境における問題解決の種としての我々の能力の重要な側面として認識されている。
人工エージェントによるツールの使用は難しい課題だが、エージェントによる新しいツールの発明に取り組む研究は、はるかに少ない。
エージェントの確率的生成モデルの隠れ状態に道具の余裕の概念を導入することで、ツール革新のおもちゃモデルを構築する。
- 参考スコア(独自算出の注目度): 1.0742675209112622
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ability to invent new tools has been identified as an important facet of
our ability as a species to problem solve in dynamic and novel environments.
While the use of tools by artificial agents presents a challenging task and has
been widely identified as a key goal in the field of autonomous robotics, far
less research has tackled the invention of new tools by agents. In this paper,
(1) we articulate the distinction between tool discovery and tool innovation by
providing a minimal description of the two concepts under the formalism of
active inference. We then (2) apply this description to construct a toy model
of tool innovation by introducing the notion of tool affordances into the
hidden states of the agent's probabilistic generative model. This particular
state factorisation facilitates the ability to not just discover tools but
invent them through the offline induction of an appropriate tool property. We
discuss the implications of these preliminary results and outline future
directions of research.
- Abstract(参考訳): 新しいツールを発明する能力は、動的および新しい環境で問題解決する種としての我々の能力の重要な面として認識されている。
人工エージェントによるツールの使用は困難な課題であり、自律ロボティクスの分野における重要な目標として広く認識されているが、エージェントによる新しいツールの発明に取り組んだ研究は少ない。
本稿では,(1)ツール発見とツール革新の区別を,アクティブ推論の形式化の下での2つの概念の最小限の説明を提供することで明確に述べる。
次に,この記述を適用して,エージェントの確率的生成モデルの隠れた状態にツールアフォーアンスの概念を導入することにより,ツール革新の玩具モデルを構築する。
この特定の状態因子化は、ツールの発見だけでなく、適切なツールプロパティのオフライン誘導を通じてツールを発明する能力を促進する。
これらの予備的な結果の意味を論じ、今後の研究の方向性を概説する。
関連論文リスト
- TOOLVERIFIER: Generalization to New Tools via Self-Verification [69.85190990517184]
本稿では,ツール選択中にコントラスト質問を自己問合せすることで,近接候補を識別する自己検証手法を提案する。
ToolBenchベンチマークによる4つのタスクの実験では、17の見えないツールで構成されており、数ショットのベースラインよりも平均22%改善されている。
論文 参考訳(メタデータ) (2024-02-21T22:41:38Z) - Rotating Features for Object Discovery [74.1465486264609]
本稿では,複雑な特徴を高次元に一般化した回転特徴と,分散表現からオブジェクトを抽出する新たな評価手法を提案する。
これらの進歩により、分散オブジェクト中心の表現を単純な玩具から現実世界のデータに拡張することが可能になります。
論文 参考訳(メタデータ) (2023-06-01T12:16:26Z) - Large Language Models as Tool Makers [85.00361145117293]
我々はLLM A s Tool Makers (LATM) と呼ばれるクローズドループフレームワークを導入する。
ツール作成: 1 つのツール作成: LLM がタスクセットのためのツールを作成するツールメーカとして機能する 2 つのツール使用: 別の LLM がツールユーザとして機能し、ツールメーカが問題解決のために構築したツールを適用する。
論文 参考訳(メタデータ) (2023-05-26T17:50:11Z) - Making Language Models Better Tool Learners with Execution Feedback [36.30542737293863]
ツールは、人間が環境を理解し、形を変えることができる重要なインターフェースとして機能する。
既存のツール学習手法は、ツールを無差別に活用するために大きな言語モデルを誘導する。
ツール実行からのフィードバックを通じてモデルを継続的に学習することを可能にする2段階のエンドツーエンドフレームワークであるTool leaRning wIth exeCution fEedback (TRICE)を提案する。
論文 参考訳(メタデータ) (2023-05-22T14:37:05Z) - LLM-based Interaction for Content Generation: A Case Study on the
Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。
以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。
分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文 参考訳(メタデータ) (2023-04-18T15:35:43Z) - Tool Learning with Foundation Models [114.2581831746077]
基礎モデルの出現により、AIシステムは、人間としてのツールの使用に等しく適応できる可能性がある。
その大きな可能性にもかかわらず、この分野における重要な課題、機会、そして将来の取り組みに関する包括的な理解はいまだに欠けている。
論文 参考訳(メタデータ) (2023-04-17T15:16:10Z) - How to select and use tools? : Active Perception of Target Objects Using
Multimodal Deep Learning [9.677391628613025]
我々は,ロボットが物体と相互作用する間,マルチモーダル感覚運動子データを用いた能動的知覚に焦点を当てた。
物体の特徴を認識することを学ぶディープニューラルネットワーク(DNN)モデルを構築した。
また, 画像, 力, 触覚データのコントリビューションについても検討し, 多様なマルチモーダル情報を学習することで, ツール使用に対する認知度が向上することを示す。
論文 参考訳(メタデータ) (2021-06-04T12:49:30Z) - TANGO: Commonsense Generalization in Predicting Tool Interactions for
Mobile Manipulators [15.61285199988595]
タスク固有のツール相互作用を予測するための新しいニューラルモデルであるTANGOを紹介します。
TANGOは、グラフニューラルネットワークを使用して、オブジェクトとそれらの間のシンボリックな関係からなる世界状態をエンコードする。
知識ベースから学習した組込みによる環境表現の強化により,新しい環境に効果的に一般化できることを示す。
論文 参考訳(メタデータ) (2021-05-05T18:11:57Z) - Understanding the origin of information-seeking exploration in
probabilistic objectives for control [62.997667081978825]
探索と探索のトレードオフは適応行動の記述の中心である。
このトレードオフを解決する1つのアプローチは、エージェントが固有の「探索駆動」を持っていることを装備または提案することであった。
汎用的最大化と情報参照行動の組み合わせは, 目的の全く異なる分類の最小化から生じることを示す。
論文 参考訳(メタデータ) (2021-03-11T18:42:39Z)
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。