論文の概要: The Animal-AI Environment: A Virtual Laboratory For Comparative Cognition and Artificial Intelligence Research
- arxiv url: http://arxiv.org/abs/2312.11414v2
- Date: Tue, 08 Oct 2024 13:23:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-10 14:28:06.372277
- Title: The Animal-AI Environment: A Virtual Laboratory For Comparative Cognition and Artificial Intelligence Research
- Title(参考訳): 動物AI環境:認知と人工知能研究のための仮想実験室
- Authors: Konstantinos Voudouris, Ibrahim Alhas, Wout Schellaert, Matteo G. Mecattaf, Benjamin Slater, Matthew Crosby, Joel Holmes, John Burden, Niharika Chaubey, Niall Donnelly, Matishalin Patel, Marta Halina, José Hernández-Orallo, Lucy G. Cheke,
- Abstract要約: Animal-AI Environmentは、人工知能と相対認知研究コミュニティの協力を促進するために設計されたゲームベースの研究プラットフォームである。
新機能には、インタラクティブボタン、報酬ディスペンサー、プレイヤー通知などが含まれる。
新たに設計したテストの一連のエージェントと、比較認知の分野での研究に触発された900のタスクのAnimal-AI Testbedの結果を提示する。
- 参考スコア(独自算出の注目度): 13.322270147627151
- License:
- Abstract: The Animal-AI Environment is a unique game-based research platform designed to facilitate collaboration between the artificial intelligence and comparative cognition research communities. In this paper, we present the latest version of the Animal-AI Environment, outlining several major new features that make the game more engaging for humans and more complex for AI systems. New features include interactive buttons, reward dispensers, and player notifications, as well as an overhaul of the environment's graphics and processing for significant improvements in agent training time and quality of the human player experience. We provide detailed guidance on how to build computational and behavioural experiments with the Animal-AI Environment. We present results from a series of agents, including the state-of-the-art Deep Reinforcement Learning agent, Dreamer-v3, on newly designed tests and the Animal-AI Testbed of 900 tasks inspired by research in the field of comparative cognition. The Animal-AI Environment offers a new approach for modelling cognition in humans and non-human animals, and for building biologically-inspired artificial intelligence.
- Abstract(参考訳): Animal-AI Environmentは、人工知能と相対認知研究コミュニティの協力を促進するために設計された、ユニークなゲームベースの研究プラットフォームである。
本稿では,動物AI環境の最新バージョンについて紹介する。ゲームが人間にもっと興味を持ち,AIシステムにもっと複雑になるような,いくつかの重要な新機能を概説する。
新機能には、インタラクティブボタン、報酬ディスペンサー、プレイヤー通知、環境のグラフィックと処理のオーバーホール、エージェントのトレーニング時間と人間のプレイヤー体験の質の大幅な改善が含まれている。
動物-AI環境を用いた計算・行動実験の作り方について詳細なガイダンスを提供する。
本稿では,最新のDeep Reinforcement LearningエージェントであるDreamer-v3や,比較認知分野の研究から着想を得た900のタスクのAnimal-AI Testbedなど,一連のエージェントの結果を紹介する。
動物-AI環境は、人間と非人間の動物の認知をモデル化し、生物学的にインスパイアされた人工知能を構築するための新しいアプローチを提供する。
関連論文リスト
- EgoPet: Egomotion and Interaction Data from an Animal's Perspective [82.7192364237065]
本稿では,同時行動とマルチエージェントインタラクションの多様な例を含む,ペットの情緒的イメージのデータセットを紹介する。
EgoPetは、既存の人間や車両のエゴセントリックなデータセットとは根本的に異なる視点を提供する。
動物行動を把握する2つのドメイン内ベンチマークタスクと、ロボット四足歩行のための事前学習リソースとしてEgoPetの有用性を評価するための第3のベンチマークを定義する。
論文 参考訳(メタデータ) (2024-04-15T17:59:47Z) - Scaling Instructable Agents Across Many Simulated Worlds [71.1284502230496]
私たちのゴールは、シミュレーションされた3D環境で人間ができることを何でも達成できるエージェントを開発することです。
我々のアプローチは、最小限の仮定を示唆しながら、言語駆動の一般性に焦点を当てている。
我々のエージェントは、汎用的なヒューマンライクなインタフェースを使って、リアルタイムで環境と対話する。
論文 参考訳(メタデータ) (2024-03-13T17:50:32Z) - The Ink Splotch Effect: A Case Study on ChatGPT as a Co-Creative Game
Designer [2.778721019132512]
本稿では,大規模言語モデル(LLM)がゲームデザインにおいて,より効果的でハイレベルな創造的コラボレータや「マウス」として機能するかを考察する。
私たちのゴールは、AIアシスタントが人間のデザイナーによって実現された創造的な意図と比較して、ゲームに取って代わる品質を向上、妨げ、提供できるかどうかを判断することです。
論文 参考訳(メタデータ) (2024-03-04T20:14:38Z) - DIAMBRA Arena: a New Reinforcement Learning Platform for Research and
Experimentation [91.3755431537592]
本研究は、強化学習研究と実験のための新しいプラットフォームであるDIAMBRA Arenaを提示する。
高品質な環境のコレクションが,OpenAI Gym標準に完全に準拠したPython APIを公開している。
これらは、離散的なアクションと観測を生のピクセルと追加の数値で構成したエピソディックなタスクである。
論文 参考訳(メタデータ) (2022-10-19T14:39:10Z) - CCPT: Automatic Gameplay Testing and Validation with
Curiosity-Conditioned Proximal Trajectories [65.35714948506032]
Curiosity-Conditioned Proximal Trajectories (CCPT)法は、好奇心と模倣学習を組み合わせてエージェントを訓練して探索する。
CCPTが複雑な環境を探索し、ゲームプレイの問題を発見し、その過程におけるデザインの監視を行い、それらをゲームデザイナーに直接認識し、強調する方法について説明する。
論文 参考訳(メタデータ) (2022-02-21T09:08:33Z) - Toward Human-Level Artificial Intelligence [2.312671485058239]
AIという言葉は広い意味で使われており、HLAIは明確に定義されていない。
私は、ヒューマン・レベル・インテリジェンスの本質は、他者の経験から言語を通して学ぶ能力であると主張している。
mHPM(Modulated Heterarchical Prediction Memory)と呼ばれるHLAIの認知アーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-08-09T03:39:39Z) - Agents that Listen: High-Throughput Reinforcement Learning with Multiple
Sensory Systems [6.952659395337689]
そこで我々は,VizDoomシミュレータの新バージョンを導入し,生の音声を観察する高効率な学習環境を構築した。
私たちはエージェントにDoomのフルゲームをするように訓練し、従来のビジョンベースの敵を一貫して打ち負かすことができることに気付きました。
論文 参考訳(メタデータ) (2021-07-05T18:00:50Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳(メタデータ) (2021-07-05T12:18:17Z) - Player-AI Interaction: What Neural Network Games Reveal About AI as Play [14.63311356668699]
本稿では,人間がAIとどのように相互作用するかを学習し,実験する上で,ゲームは理想的な領域である,と論じる。
ニューラルネットワークゲームの体系的な調査を通じて、優勢な相互作用のメタファーとAIの相互作用パターンを特定した。
我々の研究は、ゲームとUXデザイナが人間とAIの相互作用の学習曲線を構築するためのフローを考えるべきであることを示唆している。
論文 参考訳(メタデータ) (2021-01-15T17:07:03Z) - Learning Affordance Landscapes for Interaction Exploration in 3D
Environments [101.90004767771897]
エージェントは環境の仕組みを習得できなければならない。
相互作用探索のための強化学習手法を提案する。
AI2-iTHORで私たちのアイデアを実証します。
論文 参考訳(メタデータ) (2020-08-21T00:29:36Z)
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。