論文の概要: Exploring the hierarchical structure of human plans via program generation

• arxiv url: http://arxiv.org/abs/2311.18644v1
• Date: Thu, 30 Nov 2023 15:53:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 16:12:39.222277
• Title: Exploring the hierarchical structure of human plans via program generation
• Title（参考訳）: プログラム生成によるヒューマンプランの階層構造の検討
• Authors: Carlos G. Correa, Sophia Sanborn, Mark K. Ho, Frederick Callaway, Nathaniel D. Daw, and Thomas L. Griffiths
• Abstract要約: 階層的表現を観測可能な実験パラダイムを用いて、人々が階層的に構造化されたプランを構築する方法について検討する。 人間は2つの確立された人間の行動原理に敏感であるが、どちらも人間が作成したプログラムの質的な特徴を予測できない。 我々は、生成的アカウントを生成的プログラムに拡張し、行動上の文法の帰納として階層選択をモデル化することで、再利用のためのこの嗜好を定式化する。
• 参考スコア（独自算出の注目度）: 7.4908803066335095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human behavior is inherently hierarchical, resulting from the decomposition of a task into subtasks or an abstract action into concrete actions. However, behavior is typically measured as a sequence of actions, which makes it difficult to infer its hierarchical structure. In this paper, we explore how people form hierarchically-structured plans, using an experimental paradigm that makes hierarchical representations observable: participants create programs that produce sequences of actions in a language with explicit hierarchical structure. This task lets us test two well-established principles of human behavior: utility maximization (i.e. using fewer actions) and minimum description length (MDL; i.e. having a shorter program). We find that humans are sensitive to both metrics, but that both accounts fail to predict a qualitative feature of human-created programs, namely that people prefer programs with reuse over and above the predictions of MDL. We formalize this preference for reuse by extending the MDL account into a generative model over programs, modeling hierarchy choice as the induction of a grammar over actions. Our account can explain the preference for reuse and provides the best prediction of human behavior, going beyond simple accounts of compressibility to highlight a principle that guides hierarchical planning.
• Abstract（参考訳）: 人間の行動は本質的に階層的であり、タスクをサブタスクに分解したり、抽象的なアクションを具体的なアクションに分解したりする。 しかし、行動は通常一連の行動として測定されるため、その階層構造を推測することは困難である。 本稿では、階層的表現を観測可能な実験パラダイムを用いて、人々が階層的計画を作成する方法について考察する: 参加者は、明示的な階層構造を持つ言語における行動列を生成するプログラムを作成する。 このタスクは、実用性最大化(アクションを減らすこと)と最小記述長(MDL、短いプログラムを持つこと)の2つの確立された人間の行動原理をテストする。 私たちは、人間は両方のメトリクスに敏感であるが、両方のアカウントは、人間が作成したプログラムの質的特徴を予測することができないこと、つまり、mdlの予測以上に再利用したプログラムを好むことを発見した。 我々は、MDLアカウントをプログラム上の生成モデルに拡張し、アクション上の文法の帰納として階層選択をモデル化することで、再利用のためのこの好みを定式化する。 われわれのアカウントは、再利用の好みを説明し、人間の行動の最良の予測を提供し、圧縮性の単純な説明を超えて階層的計画の指針を強調することができる。

関連論文リスト

• Scaling Up Natural Language Understanding for Multi-Robots Through the Lens of Hierarchy [8.180994118420053]
  長期計画には不確実性蓄積、計算複雑性、遅延報酬、不完全情報といった課題が伴う。 本研究では,タスク階層を人間の指示から活用し,マルチロボット計画を容易にする手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T14:46:13Z)
• Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
  Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。 Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:50Z)
• Humans decompose tasks by trading off utility and computational cost [10.366866096121347]
  人間の振る舞いは、タスクの精巧な分解を目標、サブゴール、低レベルのアクションに計画することから生まれる。 本稿では,タスク分解の規範的枠組みを,計画全体のコスト削減のためにタスクを分解するという単純な考え方に基づいて提案し,評価する。
  論文  参考訳（メタデータ） (2022-11-07T22:45:46Z)
• Neuro-Symbolic Causal Language Planning with Commonsense Prompting [67.06667162430118]
  言語プランニングは、より単純な低レベルステップに分解することで、複雑な高レベルな目標を実装することを目的としている。 以前の手法では、大規模な言語モデルからそのような能力を得るために、手動の例えか注釈付きプログラムが必要である。 本稿では,LLMからの手続き的知識をコモンセンス・インフュージョン・プロンプトにより引き起こすニューロシンボリック因果言語プランナー(CLAP)を提案する。
  論文  参考訳（メタデータ） (2022-06-06T22:09:52Z)
• Procedures as Programs: Hierarchical Control of Situated Agents through Natural Language [81.73820295186727]
  エージェント命令と制御のための階層的な手続き的知識を表現する強力な手法である,プログラムとしての手続きの形式化を提案する。 NL命令に対するIQAおよびALFREDデータセット上で、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2021-09-16T20:36:21Z)
• Affinity-Based Hierarchical Learning of Dependent Concepts for Human Activity Recognition [6.187780920448871]
  重なり合うクラスを階層化することで、分類性能が大幅に向上することを示す。 これは、SHLデータセットに特徴付けられるアクティビティ認識タスクの場合、特に当てはまります。 学習プロセスの最適階層を決定するために,クラス間の移動親和性に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-04-11T01:08:48Z)
• Learning to Abstract and Predict Human Actions [60.85905430007731]
  ビデオにおける人間の活動の階層構造をモデル化し,行動予測におけるそのような構造の効果を実証する。 イベントの部分的階層を観察し、その構造を複数の抽象化レベルで将来の予測にロールアウトすることで、人間の活動の構造を学習できる階層型ニューラルネットワークであるHierarchical-Refresher-Anticipatorを提案する。
  論文  参考訳（メタデータ） (2020-08-20T23:57:58Z)
• Hierarchical Reinforcement Learning as a Model of Human Task Interleaving [60.95424607008241]
  我々は、強化学習によって駆動される監督制御の階層モデルを開発する。 このモデルは、タスクインターリービングの既知の経験的効果を再現する。 その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
  論文  参考訳（メタデータ） (2020-01-04T17:53:28Z)
• Hierarchical Variational Imitation Learning of Control Programs [131.7671843857375]
  パラメータ化された階層的手順(PHP)で表される制御ポリシーの模倣学習のための変分推論手法を提案する。 本手法は, 教師による実演の観察・行動トレースのデータセットにおける階層構造を, 手続き呼び出しや用語の待ち行列に近似した後続分布を学習することによって発見する。 階層的模倣学習(hierarchical mimicion learning)の文脈における変分推論の新たな利点を実証する。
  論文  参考訳（メタデータ） (2019-12-29T08:57:02Z)

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。