論文の概要: Human Goal Recognition as Bayesian Inference: Investigating the Impact
of Actions, Timing, and Goal Solvability
- arxiv url: http://arxiv.org/abs/2402.10510v1
- Date: Fri, 16 Feb 2024 08:55:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-19 17:06:03.281129
- Title: Human Goal Recognition as Bayesian Inference: Investigating the Impact
of Actions, Timing, and Goal Solvability
- Title（参考訳）: ベイズ推論としてのヒューマンゴール認識--行動・タイミング・目標解決可能性の影響の検討
- Authors: Chenyuan Zhang, Charles Kemp, Nir Lipovetzky
- Abstract要約: ベイズフレームワークを用いて、ゴール認識における行動、タイミング、およびゴール解決可能性の役割を探求する。
私たちの研究は、人間の目標認識に関する新たな洞察を提供し、より人間的なAIモデルに向けた一歩を踏み出します。
- 参考スコア（独自算出の注目度）: 7.044125601403849
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Goal recognition is a fundamental cognitive process that enables individuals
to infer intentions based on available cues. Current goal recognition
algorithms often take only observed actions as input, but here we use a
Bayesian framework to explore the role of actions, timing, and goal solvability
in goal recognition. We analyze human responses to goal-recognition problems in
the Sokoban domain, and find that actions are assigned most importance, but
that timing and solvability also influence goal recognition in some cases,
especially when actions are uninformative. We leverage these findings to
develop a goal recognition model that matches human inferences more closely
than do existing algorithms. Our work provides new insight into human goal
recognition and takes a step towards more human-like AI models.
- Abstract（参考訳）: 目標認識は、個人が利用可能な手がかりに基づいて意図を推測できる基本的な認知プロセスである。
現在のゴール認識アルゴリズムは、しばしば観察された行動のみを入力として扱うが、ここでは、ゴール認識における行動、タイミング、ゴール解決可能性の役割をベイズ的枠組みを用いて調べる。
ソコバンドメインにおける目標認識問題に対する人間の反応を分析し,行動が最も重要な役割を担っているが,そのタイミングや可解性が目標認識に影響を及ぼす場合もある。
これらの知見を活用し、既存のアルゴリズムよりも人間の推論に合致する目標認識モデルを構築した。
私たちの研究は、人間の目標認識に関する新たな洞察を提供し、より人間らしいAIモデルに向けて一歩前進します。
関連論文リスト
- Learning to Assist Humans without Inferring Rewards [65.28156318196397]
我々は、エンパワーメントのレンズを通して支援を研究する先行研究に基づいて構築する。
補助剤は、人間の行動の影響を最大化することを目的としている。
これらの表現は、先行研究と類似したエンパワーメントの概念を推定する。
論文 参考訳（メタデータ） (2024-11-04T21:31:04Z) - Towards Measuring Goal-Directedness in AI Systems [0.0]
意図しない目標を追求するAIシステムにとって重要な前提条件は、一貫性のあるゴール指向の方法で振る舞うかどうかである。
そこで本稿では,多くの報酬関数に準最適であるかどうかをモデル化する政策の目的指向性の定義を新たに提案する。
私たちの貢献は、AIシステムが危険な目標を追求できるかどうかという問題にアプローチするために、シンプルで計算が容易なゴール指向性の定義です。
論文 参考訳（メタデータ） (2024-10-07T01:34:42Z) - Gaze-based intention estimation: principles, methodologies, and
applications in HRI [0.0]
本総説は,視覚運動制御に関する心理学文献の知見と,視線に基づく意図認識の関連応用の線引きをめざしたものである。
人-ロボットインタラクションにおける視線追跡と視線モデルを用いた意図認識について考察する。
論文 参考訳（メタデータ） (2023-02-09T09:44:13Z) - Investigating the Combination of Planning-Based and Data-Driven Methods
for Goal Recognition [7.620967781722714]
現実の環境での2つの最先端計画に基づく計画認識手法の適用について検討する。
このようなアプローチは、人間の行動が完全に合理的ではないため、人間の目標を認識する上では困難であることを示す。
本研究では,観察行動データに基づいて学習した分類に基づく手法により,既存の手法の拡張を提案する。
論文 参考訳（メタデータ） (2023-01-13T15:24:02Z) - Skeleton-Based Mutually Assisted Interacted Object Localization and
Human Action Recognition [111.87412719773889]
本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。
本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
論文 参考訳（メタデータ） (2021-10-28T10:09:34Z) - Goal-Aware Cross-Entropy for Multi-Target Reinforcement Learning [15.33496710690063]
本稿では,目標認識型クロスエントロピー(GACE)ロスを提案する。
次に、目標関連情報を利用して与えられた指示に集中する目標識別型注意ネットワーク(GDAN)を考案する。
論文 参考訳（メタデータ） (2021-10-25T14:24:39Z) - Procedure Planning in Instructional Videosvia Contextual Modeling and
Model-based Policy Learning [114.1830997893756]
本研究は,実生活ビデオにおける目標指向アクションを計画するモデルを学習することに焦点を当てる。
本研究では,ベイズ推論とモデルに基づく模倣学習を通して,人間の行動のモデル化を行う新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-10-05T01:06:53Z) - 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) - AvE: Assistance via Empowerment [77.08882807208461]
そこで我々は,人間の環境制御能力を高めることで,支援のための新しいパラダイムを提案する。
このタスクに依存しない目的は、個人の自律性と最終的な状態を達成する能力を維持する。
論文 参考訳（メタデータ） (2020-06-26T04:40:11Z) - Automatic Curriculum Learning through Value Disagreement [95.19299356298876]
新しい未解決タスクを継続的に解決することが、多様な行動を学ぶための鍵です。
エージェントが複数の目標を達成する必要があるマルチタスク領域では、トレーニング目標の選択はサンプル効率に大きな影響を与える可能性がある。
そこで我々は,エージェントが解決すべき目標のための自動カリキュラムを作成することを提案する。
提案手法は,13のマルチゴールロボットタスクと5つのナビゲーションタスクにまたがって評価し,現在の最先端手法よりも高い性能を示す。
論文 参考訳（メタデータ） (2020-06-17T03:58:25Z) - Imagination-Augmented Deep Learning for Goal Recognition [0.0]
現在の目標認識研究における顕著な考え方は、計画コストの見積からエージェントが持つ可能性のある異なる目標まで、エージェントの目標の可能性を推測することである。
本稿では,記号プランナを用いて計画コストのインサイトを計算し,深層ニューラルネットワークを想像力で拡張する手法を提案する。
論文 参考訳（メタデータ） (2020-03-20T23:07:34Z)
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。