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
- Articulated Animal AI: An Environment for Animal-like Cognition in a Limbed Agent [2.1976444142070393]
主な改善点は、より複雑な行動と実際の動物の動きによく似た環境との相互作用を可能にする、エージェントの四肢の追加である。
テストベンチにはカリキュラムのトレーニングシーケンスと評価ツールが統合されており、ユーザが独自のトレーニングプログラムを開発する必要がなくなる。
論文 参考訳（メタデータ） (2024-10-11T21:55:23Z) - Artificial Human Intelligence: The role of Humans in the Development of Next Generation AI [6.8894258727040665]
我々は、倫理的、責任があり、堅牢なインテリジェントシステムを開発する上で人間が果たす重要な役割に焦点を当て、人間とマシンインテリジェンスの間の相互作用を探求する。
我々は、次世代AI開発における人間中心の方向性を提案するために、共生設計の利点を活かして、将来的な視点を提案する。
論文 参考訳（メタデータ） (2024-09-24T12:02:20Z) - On the Emergence of Symmetrical Reality [51.21203247240322]
物理仮想アマルガメーションの様々な形態を包含した統一表現を提供する対称現実感フレームワークを導入する。
我々は、対称現実の潜在的な応用を示すAI駆動型アクティブアシストサービスの例を提案する。
論文 参考訳（メタデータ） (2024-01-26T16:09:39Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳（メタデータ） (2024-01-07T19:11:18Z) - Human-AI Coevolution [48.74579595505374]
Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。
本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
論文 参考訳（メタデータ） (2023-06-23T18:10:54Z) - 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) - 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) - Cetacean Translation Initiative: a roadmap to deciphering the
communication of sperm whales [97.41394631426678]
最近の研究では、非ヒト種における音響コミュニケーションを分析するための機械学習ツールの約束を示した。
マッコウクジラの大量生物音響データの収集と処理に必要な重要な要素について概説する。
開発された技術能力は、非人間コミュニケーションと動物行動研究を研究する幅広いコミュニティにおいて、クロス応用と進歩をもたらす可能性が高い。
論文 参考訳（メタデータ） (2021-04-17T18:39:22Z) - 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) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳（メタデータ） (2020-04-14T20:52:49Z)
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。