論文の概要: Purpose for Open-Ended Learning Robots: A Computational Taxonomy, Definition, and Operationalisation

• arxiv url: http://arxiv.org/abs/2403.02514v1
• Date: Mon, 4 Mar 2024 22:03:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 16:48:58.778827
• Title: Purpose for Open-Ended Learning Robots: A Computational Taxonomy, Definition, and Operationalisation
• Title（参考訳）: オープンエンド学習ロボットの目的:計算分類学・定義・運用
• Authors: Gianluca Baldassarre, Richard J. Duro, Emilio Cartoni, Mehdi Khamassi, Alejandro Romero, Vieri Giuliano Santucci
• Abstract要約: この研究は、目的の計算フレームワークを2つの方法で開発するのに貢献する。 a)目的、(b)ドメインに依存しない欲求、(c)特定のドメイン依存状態のゴールを含む3段階のモチベーション階層に基づいて、目的に基づくフレームワークを定式化します。 このアプローチによって、OELロボットは自律的に学習できるだけでなく、デザイナーやユーザの目的を満たす目標やスキルの獲得にも焦点が当てられる。
• 参考スコア（独自算出の注目度）: 41.94533791050234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous open-ended learning (OEL) robots are able to cumulatively acquire new skills and knowledge through direct interaction with the environment, for example relying on the guidance of intrinsic motivations and self-generated goals. OEL robots have a high relevance for applications as they can use the autonomously acquired knowledge to accomplish tasks relevant for their human users. OEL robots, however, encounter an important limitation: this may lead to the acquisition of knowledge that is not so much relevant to accomplish the users' tasks. This work analyses a possible solution to this problem that pivots on the novel concept of `purpose'. Purposes indicate what the designers and/or users want from the robot. The robot should use internal representations of purposes, called here `desires', to focus its open-ended exploration towards the acquisition of knowledge relevant to accomplish them. This work contributes to develop a computational framework on purpose in two ways. First, it formalises a framework on purpose based on a three-level motivational hierarchy involving: (a) the purposes; (b) the desires, which are domain independent; (c) specific domain dependent state-goals. Second, the work highlights key challenges highlighted by the framework such as: the `purpose-desire alignment problem', the `purpose-goal grounding problem', and the `arbitration between desires'. Overall, the approach enables OEL robots to learn in an autonomous way but also to focus on acquiring goals and skills that meet the purposes of the designers and users.
• Abstract（参考訳）: 自律的オープンエンドラーニング(OEL)ロボットは、例えば本質的なモチベーションや自己生成目標のガイダンスに依存するなど、環境との直接的な相互作用を通じて、新たなスキルと知識を累積的に獲得することができる。 OELロボットは、自律的に取得した知識を使用して、人間のユーザに関連するタスクを達成できるため、アプリケーションに高い関連性がある。 しかし、OELロボットは重要な制限に直面しており、これはユーザのタスクを達成するのにあまり関係のない知識の獲得につながる可能性がある。 本研究は,「目的」という新しい概念に基づく,この問題の解決の可能性を分析する。 目的は、デザイナーやユーザーがロボットに何を望んでいるかを示す。 ロボットは、目的の社内表現(ここではdesiresと呼ばれる)を使用して、その目的を達成するための知識の獲得に向けて、オープンな探索に焦点をあてるべきである。 この研究は、目的の計算フレームワークを2つの方法で開発するのに貢献する。 まず、目的に基づいたフレームワークを、3段階のモチベーション階層に基づいて定式化する。 (a) 目的 b) ドメインに依存しない欲求 (c)特定のドメイン依存状態ゴール。 第二に、この作業はフレームワークによって強調される重要な課題を強調している。例えば、'目的-目的の整合性問題'、'目的-目標の接地問題'、'欲求間の偏在'である。 このアプローチによって、OELロボットは自律的に学習できるだけでなく、デザイナーやユーザの目的を満たす目標やスキルの獲得にも焦点が当てられる。

関連論文リスト

• Growing from Exploration: A self-exploring framework for robots based on foundation models [13.250831101705694]
  我々は、ロボットが人間の介入なしに自律的に探索し学習することを可能にするGExpというフレームワークを提案する。 幼児が世界と対話する方法に触発されて、GExpはロボットに、一連の自己生成タスクで環境を理解し、探索するように促す。
  論文  参考訳（メタデータ） (2024-01-24T14:04:08Z)
• Toward General-Purpose Robots via Foundation Models: A Survey and Meta-Analysis [82.59451639072073]
  汎用ロボットはどんな環境でも、どんな物体でもシームレスに動作し、様々なスキルを使って様々なタスクをこなす。 コミュニティとしては、特定のタスク用に設計し、特定のデータセットでトレーニングし、特定の環境にデプロイすることで、ほとんどのロボットシステムを制約してきました。 ウェブスケールで大規模で大容量の事前学習型モデルの優れたオープンセット性能とコンテンツ生成能力に感銘を受けて,本調査は,汎用ロボティクスに基礎モデルを適用する方法について検討した。
  論文  参考訳（メタデータ） (2023-12-14T10:02:55Z)
• CASPER: Cognitive Architecture for Social Perception and Engagement in Robots [0.5918643136095765]
  本稿では,他のエージェントの追求目標を予測し,最適な協調行動を計算するために,定性的空間推論を用いた記号的認知アーキテクチャであるCASPERを提案する。 我々は、このアーキテクチャをシミュレーションされたキッチン環境でテストし、収集した結果から、ロボットが進行中の目標を認識し、その達成に向けて適切に協力できることが分かる。
  論文  参考訳（メタデータ） (2022-09-01T10:15:03Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• Can Foundation Models Perform Zero-Shot Task Specification For Robot Manipulation? [54.442692221567796]
  タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。 タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。 そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
  論文  参考訳（メタデータ） (2022-04-23T19:39:49Z)
• From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence [113.06484656032978]
  記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。 私たちは、インテリジェンスを具体化するための課題と機会を強調します。 本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
  論文  参考訳（メタデータ） (2021-10-28T16:04:01Z)
• Actionable Models: Unsupervised Offline Reinforcement Learning of Robotic Skills [93.12417203541948]
  与えられたデータセットの任意の目標状態に到達するために学習することによって、環境の機能的な理解を学ぶ目的を提案する。 提案手法は,高次元カメラ画像上で動作し,これまで見つからなかったシーンやオブジェクトに一般化した実ロボットの様々なスキルを学習することができる。
  論文  参考訳（メタデータ） (2021-04-15T20:10:11Z)
• REAL-X -- Robot open-Ended Autonomous Learning Architectures: Achieving Truly End-to-End Sensorimotor Autonomous Learning Systems [0.0]
  先程提案されたREALコンペティションによる課題について検討する。 本稿では,ベンチマークの異なるバージョンを解くことができるREAL-Xロボットアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-11-27T18:12:06Z)

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。