論文の概要: Visual Episodic Memory-based Exploration
- arxiv url: http://arxiv.org/abs/2405.11298v1
- Date: Sat, 18 May 2024 13:58:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 18:28:33.466424
- Title: Visual Episodic Memory-based Exploration
- Title(参考訳): 視覚的エピソード記憶に基づく探索
- Authors: Jack Vice, Natalie Ruiz-Sanchez, Pamela K. Douglas, Gita Sukthankar,
- Abstract要約: 人間では、本質的なモチベーションはオープンエンド認知発達の重要なメカニズムであり、ロボットでは探索に有用である。
本稿では,ロボット探索問題への動機づけの源として,視覚的エピソードメモリの利用について検討する。
- 参考スコア(独自算出の注目度): 0.6374763930914523
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In humans, intrinsic motivation is an important mechanism for open-ended cognitive development; in robots, it has been shown to be valuable for exploration. An important aspect of human cognitive development is $\textit{episodic memory}$ which enables both the recollection of events from the past and the projection of subjective future. This paper explores the use of visual episodic memory as a source of intrinsic motivation for robotic exploration problems. Using a convolutional recurrent neural network autoencoder, the agent learns an efficient representation for spatiotemporal features such that accurate sequence prediction can only happen once spatiotemporal features have been learned. Structural similarity between ground truth and autoencoder generated images is used as an intrinsic motivation signal to guide exploration. Our proposed episodic memory model also implicitly accounts for the agent's actions, motivating the robot to seek new interactive experiences rather than just areas that are visually dissimilar. When guiding robotic exploration, our proposed method outperforms the Curiosity-driven Variational Autoencoder (CVAE) at finding dynamic anomalies.
- Abstract(参考訳): ヒトでは、本質的なモチベーションはオープンエンド認知発達の重要なメカニズムであり、ロボットでは探索に有用であることが示されている。
人間の認知発達の重要な側面は$\textit{episodic memory}$であり、過去からの出来事の再現と主観的未来予測の両方を可能にする。
本稿では,ロボット探索問題に対する本質的な動機付けの源泉として,視覚的エピソードメモリの利用について検討する。
畳み込みリカレントニューラルネットワークオートエンコーダを用いて、エージェントは、時空間的特徴が学習されたときにのみ正確なシーケンス予測を行うことができるような時空間的特徴の効率的な表現を学習する。
地中真実とオートエンコーダ生成画像の構造的類似性は、探索をガイドするための本質的なモチベーション信号として使用される。
提案したエピソード記憶モデルは、エージェントの行動も暗黙的に説明し、視覚的に異なる領域だけでなく、ロボットに新たなインタラクティブな体験を求める動機付けとなる。
ロボット探査の指導において,提案手法はキュリオシティ駆動型変分オートエンコーダ(CVAE)より動的異常の発見に優れる。
関連論文リスト
- Dynamic Neural Curiosity Enhances Learning Flexibility for Autonomous Goal Discovery [0.0]
本稿では,Locus Coeruleus-Norepinephrineシステムからインスピレーションを得て,好奇心と注意の根源となることを提案する。
本研究では, ロボットアームを用いたロボットアームを, 様々な難易度を持つ物体の集合上で実験することにより, アプローチを適用した。
アーキテクチャは動的ニューラルネットワークでモデル化され、フォワードモデルと逆モデルを用いて目標の学習をサポートする。
論文 参考訳(メタデータ) (2024-11-29T06:37:23Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳(メタデータ) (2023-06-16T17:58:10Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - Learning Reward Functions for Robotic Manipulation by Observing Humans [92.30657414416527]
我々は、ロボット操作ポリシーのタスク非依存報酬関数を学習するために、幅広い操作タスクを解く人間のラベル付きビデオを使用する。
学習された報酬は、タイムコントラストの目的を用いて学習した埋め込み空間におけるゴールまでの距離に基づいている。
論文 参考訳(メタデータ) (2022-11-16T16:26:48Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳(メタデータ) (2022-01-20T17:07:03Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳(メタデータ) (2021-02-24T14:58:23Z) - Learning Object-Based State Estimators for Household Robots [11.055133590909097]
我々は高次元観測と仮説に基づいてオブジェクトベースのメモリシステムを構築する。
シミュレーション環境と実画像の両方において動的に変化するオブジェクトの記憶を維持するシステムの有効性を実証する。
論文 参考訳(メタデータ) (2020-11-06T04:18:52Z) - Towards a self-organizing pre-symbolic neural model representing
sensorimotor primitives [15.364871660385155]
感覚運動行動の象徴的および言語的表現の獲得は、エージェントが行う認知過程である。
本稿では,視覚刺激から腹側/背側視覚ストリームの発達までの高次情報の概念化を関連づけるモデルを提案する。
我々は,物体を受動的に観察して特徴や動きを学習するロボットを用いて,このモデルを実証する。
論文 参考訳(メタデータ) (2020-06-20T01:58:28Z) - Visual Memorability for Robotic Interestingness via Unsupervised Online
Learning [8.747798544090314]
興味あるシーンをリコールし、識別するための、新しい翻訳不変な視覚記憶を提案する。
これにより、人間的な経験、環境知識、オンライン適応を学習することができる。
提案手法は,ロボットの興味深いデータセットに挑戦する最先端アルゴリズムよりもはるかに精度が高い。
論文 参考訳(メタデータ) (2020-05-18T16:00:27Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳(メタデータ) (2020-01-31T17:47:16Z) - Intrinsic Motivation and Episodic Memories for Robot Exploration of
High-Dimensional Sensory Spaces [0.0]
本研究では,マイクロファーミングロボットの画像センサのための好奇心駆動型目標指向探索行動を生成するアーキテクチャを提案する。
画像から低次元特徴をオフラインで教師なしで学習するためのディープニューラルネットワークと、システムの逆および前方運動学を表す浅層ニューラルネットワークのオンライン学習の組み合わせが用いられている。
人工好奇心システムは、予め定義された目標のセットに関心値を割り当て、学習の進捗を最大化すると予想される目標への探索を促進する。
論文 参考訳(メタデータ) (2020-01-07T11:39:20Z)
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。