論文の概要: Environment-Centric Active Inference

• arxiv url: http://arxiv.org/abs/2408.12777v1
• Date: Fri, 23 Aug 2024 00:54:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-26 16:19:03.077241
• Title: Environment-Centric Active Inference
• Title（参考訳）: 環境中心のアクティブ推論
• Authors: Kanako Esaki, Tadayuki Matsumura, Takeshi Kato, Shunsuke Minusa, Yang Shao, Hiroyuki Mizuno,
• Abstract要約: 通常の能動推論では、マルコフ・ブランケットはエージェントから始まる。 提案したEC-AIFでは、エージェントに対応するエンティティは存在しない。 ロボットや人間を含む全ての州が推論対象に含まれる。
• 参考スコア（独自算出の注目度）: 0.9620910657090188
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To handle unintended changes in the environment by agents, we propose an environment-centric active inference EC-AIF in which the Markov Blanket of active inference is defined starting from the environment. In normal active inference, the Markov Blanket is defined starting from the agent. That is, first the agent was defined as the entity that performs the "action" such as a robot or a person, then the environment was defined as other people or objects that are directly affected by the agent's "action," and the boundary between the agent and the environment was defined as the Markov Blanket. This agent-centric definition does not allow the agent to respond to unintended changes in the environment caused by factors outside of the defined environment. In the proposed EC-AIF, there is no entity corresponding to an agent. The environment includes all observable things, including people and things conventionally considered to be the environment, as well as entities that perform "actions" such as robots and people. Accordingly, all states, including robots and people, are included in inference targets, eliminating unintended changes in the environment. The EC-AIF was applied to a robot arm and validated with an object transport task by the robot arm. The results showed that the robot arm successfully transported objects while responding to changes in the target position of the object and to changes in the orientation of another robot arm.
• Abstract（参考訳）: エージェントによる環境の意図せぬ変化に対処するため,環境中心のアクティブ推論EC-AIFを提案し,その環境からアクティブ推論のマルコフブランケットを定義する。 通常の能動推論では、マルコフ・ブランケットはエージェントから始まる。 すなわち,まずエージェントをロボットや人などの「行動」を行うエンティティとして定義し,その環境をエージェントの「行動」に直接影響される他者や物体として定義し,エージェントと環境の境界をマルコフ・ブランケットとして定義した。 このエージェント中心の定義は、エージェントが定義された環境外の要因によって引き起こされる意図しない環境の変化に応答することを許さない。 提案したEC-AIFでは、エージェントに対応するエンティティは存在しない。 環境には、従来の環境と見なされる人や物、ロボットや人間のような「行動」を行う実体を含む、あらゆる観察可能なものが含まれる。 したがって、ロボットや人間を含む全ての状態が推論対象に含まれており、意図しない環境の変化を排除している。 EC-AIFはロボットアームに適用され、ロボットアームによる物体輸送タスクで検証された。 その結果、ロボットアームは対象物の目標位置の変化と、他のロボットアームの向きの変化に反応しながら、物体の移動に成功した。

関連論文リスト

• HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
  HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。 このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
  論文  参考訳（メタデータ） (2024-01-23T18:59:43Z)
• 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)
• ALAN: Autonomously Exploring Robotic Agents in the Real World [28.65531878636441]
  ALANは自律的なロボットエージェントで、ほとんどトレーニングや対話の時間なしで現実世界でタスクを実行できる。 これは、物体の動きを反映し、ロボットの位置の変化を無視する環境変化を測定することで実現される。 我々は,ロボットが操作スキルを効率的に探索し,発見することを可能にするために,2つの異なる実世界のプレイキッチン設定に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2023-02-13T18:59:09Z)
• Active Inference for Robotic Manipulation [30.692885688744507]
  アクティブ推論(英: Active Inference)は、部分的に可観測性を扱う理論である。 本研究では,ロボット操作作業のシミュレーションにActive Inferenceを適用した。 アクティブ推論によって引き起こされる情報探索行動により,エージェントはこれらの難易度の高い環境を体系的に探索できることを示す。
  論文  参考訳（メタデータ） (2022-06-01T12:19:38Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)
• Online Grounding of PDDL Domains by Acting and Sensing in Unknown Environments [62.11612385360421]
  本稿では,エージェントが異なるタスクを実行できるフレームワークを提案する。 機械学習モデルを統合して、感覚データを抽象化し、目標達成のためのシンボリックプランニング、ナビゲーションのためのパスプランニングを行う。 提案手法を,RGB-Dオンボードカメラ,GPS,コンパスなど,正確なシミュレーション環境で評価する。
  論文  参考訳（メタデータ） (2021-12-18T21:48:20Z)
• Information is Power: Intrinsic Control via Information Capture [110.3143711650806]
  我々は,潜時状態空間モデルを用いて推定したエージェントの状態訪問のエントロピーを最小化する,コンパクトで汎用的な学習目的を論じる。 この目的は、不確実性の低減に対応する環境情報収集と、将来の世界状態の予測不可能性の低減に対応する環境制御の両方をエージェントに誘導する。
  論文  参考訳（メタデータ） (2021-12-07T18:50:42Z)
• Improving Object Permanence using Agent Actions and Reasoning [8.847502932609737]
  既存のアプローチは、低レベルの知覚からオブジェクト永続性を学ぶ。 我々は、ロボットが実行された動作に関する知識を使用する場合、オブジェクトの永続性を改善することができると論じる。
  論文  参考訳（メタデータ） (2021-10-01T07:09:49Z)
• Agent-Environment Network for Temporal Action Proposal Generation [10.74737201306622]
  時間的行動提案生成は、ビデオ中の人間の行動を含む時間的間隔をローカライズすることを目的としている。 エージェントとして知られる人間が環境と相互作用し、環境に影響を与えるアクションを実行するというアクション定義に基づいて、コンテキストエージェント環境ネットワークを提案する。 提案手法は, (i) エージェント経路と, (ii) エージェントが環境とどのように相互作用するかを知るため, (i) エージェント経路と, (ii) 環境経路をグローバルレベルで動作させる。
  論文  参考訳（メタデータ） (2021-07-17T23:24:49Z)
• Language Understanding for Field and Service Robots in a Priori Unknown Environments [29.16936249846063]
  本稿では,フィールドロボットとサービスロボットによる自然言語命令の解釈と実行を可能にする,新しい学習フレームワークを提案する。 自然言語の発話において、空間的、位相的、意味的な情報を暗黙的に推測する。 本研究では,この分布を確率論的言語基底モデルに組み込んで,ロボットの行動空間のシンボル表現上の分布を推定する。
  論文  参考訳（メタデータ） (2021-05-21T15:13:05Z)
• Emergent Complexity and Zero-shot Transfer via Unsupervised Environment Design [121.73425076217471]
  本研究では,未知のパラメータを持つ環境を提供するUnsupervised Environment Design (UED)を提案する。 プロタゴニスト・アンタゴニストによるレグレト環境デザイン(PAIRED)と呼ぶ。 実験により, PAIREDは複雑な環境の自然なカリキュラムを生産し, PAIREDエージェントは, 高度に新規な環境での試験において, 高いゼロショット転送性能が得られることを示した。
  論文  参考訳（メタデータ） (2020-12-03T17:37:01Z)

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。