Fugu-MT 論文翻訳(概要): Affectively Framework: Towards Human-like Affect-Based Agents

論文の概要: Affectively Framework: Towards Human-like Affect-Based Agents

arxiv url: http://arxiv.org/abs/2407.18316v1
Date: Thu, 25 Jul 2024 18:18:10 GMT
ステータス: 処理完了
システム内更新日: 2024-07-29 15:09:01.043887
Title: Affectively Framework: Towards Human-like Affect-Based Agents
Title（参考訳）: Affectively Framework:人間らしいAffect-based Agentsを目指して
Authors: Matthew Barthet, Roberto Gallotta, Ahmed Khalifa, Antonios Liapis, Georgios N. Yannakakis,
Abstract要約: 我々は、観察空間の一部として影響を組み込んだオープンAIのGym環境であるemphAffectively Frameworkを提示する。本稿では,フレームワークとその3つのゲーム環境を紹介し,その有効性と可能性を検証するためのベースライン実験を行う。
参考スコア（独自算出の注目度）: 2.680021913750926
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Game environments offer a unique opportunity for training virtual agents due to their interactive nature, which provides diverse play traces and affect labels. Despite their potential, no reinforcement learning framework incorporates human affect models as part of their observation space or reward mechanism. To address this, we present the \emph{Affectively Framework}, a set of Open-AI Gym environments that integrate affect as part of the observation space. This paper introduces the framework and its three game environments and provides baseline experiments to validate its effectiveness and potential.
Abstract（参考訳）: ゲーム環境は、インタラクティブな性質から仮想エージェントを訓練するユニークな機会を提供し、多様なプレイトレースを提供し、ラベルに影響を与える。その可能性にもかかわらず、人間の影響モデルを観察空間や報酬機構の一部として組み込んだ強化学習フレームワークは存在しない。これを解決するために、観測空間の一部に影響を及ぼすOpen-AI Gym環境の集合である \emph{Affectively Framework} を提示する。本稿では,フレームワークとその3つのゲーム環境を紹介し,その有効性と可能性を検証するためのベースライン実験を行う。

関連論文リスト

Towards an End-to-End (E2E) Adversarial Learning and Application in the Physical World [26.83229976307451]
本稿では,デジタルドメインからの逆学習をプロジェクタを用いて物理ドメインに変換する,新しいエンドツーエンド(E2E)フレームワークであるPAPLAフレームワークを提案する。実験室の環境や現実的な屋外環境など,様々なシナリオでPAPLAを評価した。以上の結果から,物理領域におけるE2E対角学習は伝達可能性の問題を取り除き,物体検出装置による回避を確実にすることがわかった。
論文参考訳（メタデータ） (2025-01-14T17:10:02Z)
OOD-HOI: Text-Driven 3D Whole-Body Human-Object Interactions Generation Beyond Training Domains [66.62502882481373]
現在の方法では、身体と手の両方に焦点を合わせ、結束的で現実的な相互作用を生み出す能力を制限する傾向にある。我々は,OOD-HOIというテキスト駆動型フレームワークを提案する。提案手法は,初期相互作用ポーズを合成するための二重分岐相互拡散モデルと,予測された接触領域に基づく物理的精度向上のための接触誘導相互作用精製器と,ロバスト性向上のための意味的調整と変形を含む動的適応機構を統合した。
論文参考訳（メタデータ） (2024-11-27T10:13:35Z)
Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文参考訳（メタデータ） (2024-10-15T07:35:51Z)
Grounding 3D Scene Affordance From Egocentric Interactions [52.5827242925951]
接地型3Dシーンアベイランスは、3D環境におけるインタラクティブな領域を見つけることを目的としている。我々は,エゴセントリックなインタラクションから3Dシーンの空き時間を確保するという,新しい課題を紹介した。
論文参考訳（メタデータ） (2024-09-29T10:46:19Z)
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)
Learning Environment-Aware Affordance for 3D Articulated Object Manipulation under Occlusions [9.400505355134728]
本稿では,オブジェクトレベルの動作可能な事前条件と環境制約の両方を組み込んだ環境対応アベイランスフレームワークを提案する。本稿では,1つのオクルーダーを含むシーンを学習し,複雑なオクルーダーの組み合わせでシーンに一般化できる新しいコントラスト学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-09-14T08:24:32Z)
Synthesizing Physical Character-Scene Interactions [64.26035523518846]
仮想キャラクタとその周辺環境間のこのような相互作用を合成する必要がある。本稿では,逆模倣学習と強化学習を用いて物理シミュレーション文字を学習するシステムを提案する。我々のアプローチは、物理学に基づくキャラクターモーション生成を広い適用性に一歩近づいた。
論文参考訳（メタデータ） (2023-02-02T05:21:32Z)
Metaversal Learning Environments: Measuring, predicting and improving interpersonal effectiveness [2.6424064030995957]
人工知能と仮想現実を組み合わせた新しいアーキテクチャを導入し,アバターを用いた没入型学習体験を実現する。このフレームワークは、アバターと相互作用する個人の対人効果を測定することができる。その結果, 対人効果に欠ける個人は, アバターとの相互作用が複数あった後, パフォーマンスが著しく向上したことが明らかとなった。
論文参考訳（メタデータ） (2022-05-05T18:22:27Z)
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)
Go-Blend behavior and affect [2.323282558557423]
本稿では、感情モデリングタスクを強化学習プロセスとして見ることにより、感情コンピューティングのパラダイムシフトを提案する。本研究では,Go-Exploreエージェントを最適にプレイし,人間の覚醒のデモンストレーションを模倣しようとすることで,アーケードゲームにおける我々のフレームワークをテストする。
論文参考訳（メタデータ） (2021-09-24T17:04:30Z)
On the Sensory Commutativity of Action Sequences for Embodied Agents [2.320417845168326]
群論の数学的形式論に基づくエンボディエージェントの知覚について検討する。本稿では,エージェントの自由度が環境に与える影響を計測する感覚コミュニケーション確率基準を提案する。本研究では,SCPと行動系列の可換性を用いて環境中の物体を学習する方法を実証的に説明する。
論文参考訳（メタデータ） (2020-02-13T16:58:23Z)

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。