論文の概要: Informational Embodiment: Computational role of information structure in codes and robots

• arxiv url: http://arxiv.org/abs/2408.12950v1
• Date: Fri, 23 Aug 2024 09:59:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-26 15:30:07.871875
• Title: Informational Embodiment: Computational role of information structure in codes and robots
• Title（参考訳）: 情報身体:コードとロボットにおける情報構造の役割
• Authors: Alexandre Pitti, Kohei Nakajima, Yasuo Kuniyoshi,
• Abstract要約: 我々は,センサの精度,モータの精度,配置,体形状,ロボットの情報構造や計算符号の形状について,情報理論(IT)を考察する。 本研究は,本質的な騒音や物質的制約にもかかわらず,情報の伝達・伝達を行う物理的通信路としてロボットの身体を想定する。 我々は、誤り訂正やノイズに対する堅牢性、パシモニーといった情報容量の観点から、シャノン限界に達したITで使用される効率的なコードの特別なクラスを紹介します。
• 参考スコア（独自算出の注目度）: 48.00447230721026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The body morphology plays an important role in the way information is perceived and processed by an agent. We address an information theory (IT) account on how the precision of sensors, the accuracy of motors, their placement, the body geometry, shape the information structure in robots and computational codes. As an original idea, we envision the robot's body as a physical communication channel through which information is conveyed, in and out, despite intrinsic noise and material limitations. Following this, entropy, a measure of information and uncertainty, can be used to maximize the efficiency of robot design and of algorithmic codes per se. This is known as the principle of Entropy Maximization (PEM) introduced in biology by Barlow in 1969. The Shannon's source coding theorem provides then a framework to compare different types of bodies in terms of sensorimotor information. In line with PME, we introduce a special class of efficient codes used in IT that reached the Shannon limits in terms of information capacity for error correction and robustness against noise, and parsimony. These efficient codes, which exploit insightfully quantization and randomness, permit to deal with uncertainty, redundancy and compacity. These features can be used for perception and control in intelligent systems. In various examples and closing discussions, we reflect on the broader implications of our framework that we called Informational Embodiment to motor theory and bio-inspired robotics, touching upon concepts like motor synergies, reservoir computing, and morphological computation. These insights can contribute to a deeper understanding of how information theory intersects with the embodiment of intelligence in both natural and artificial systems.
• Abstract（参考訳）: 身体形態学は、エージェントによって情報が認識され、処理される方法において重要な役割を果たす。 我々は,センサの精度,モータの精度,配置,体形状,ロボットの情報構造や計算符号の形状について,情報理論(IT)を考察する。 本来のアイデアとして,本質的なノイズや材料的制約にもかかわらず,情報の伝達・伝達を行う物理的コミュニケーションチャネルとして,ロボットの身体を想定する。 これに続いて、情報と不確実性の尺度であるエントロピーは、ロボット設計の効率を最大化し、それぞれのアルゴリズムの符号を最大化するために用いられる。 これは1969年にバーロウが生物学で導入したエントロピー最大化(PEM)の原理として知られている。 シャノンの情報源符号化定理(英語版)は、感覚運動情報の観点から異なるタイプの身体を比較するためのフレームワークを提供する。 PMEに則って、我々は、誤り訂正のための情報容量とノイズに対する堅牢性、およびパーシモニーの観点から、シャノン限界に達したITで使用される効率的なコードの特別なクラスを導入する。 これらの効率的なコードは、洞察に富んだ量子化とランダム性を利用して、不確実性、冗長性、一貫性を扱うことができる。 これらの特徴は、インテリジェントシステムにおける知覚と制御に使用できる。 様々な事例と議論の締めくくりとして、我々はInformational Embodiment(インフォメーション・エンボディーメント)と呼ばれる我々のフレームワークを、運動理論やバイオインスパイアされたロボティクスに応用し、運動シナジー、貯水池計算、形態計算といった概念に触れた。 これらの洞察は、情報理論が自然システムと人工システムの両方のインテリジェンスの具体化とどのように交わるかを深く理解するのに寄与する。

関連論文リスト

• Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
  微分可能シミュレーションは、システム識別の強力なツールとなっている。 本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。 低コストなロボットプラットフォームにおける本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-04T20:48:38Z)
• Towards Efficient and Trustworthy AI Through Hardware-Algorithm-Communication Co-Design [32.815326729969904]
  最先端のAIモデルは、その不確実性に関する信頼できる尺度を提供することができない。 本稿では,ハードウェアとソフトウェア設計の交差点における研究の方向性を明らかにする。
  論文  参考訳（メタデータ） (2023-09-27T18:39:46Z)
• A Mathematical Characterization of Minimally Sufficient Robot Brains [4.10609794373612]
  本稿では,内部システムのための情報遷移システムについて紹介する。 情報遷移システムをフィルタとみなし、この情報遷移システムの状態をラベル付けする機能としてポリシーまたは計画とみなす。 一般的な設定では、最小限の情報遷移系は妥当な等価性の仮定まで存在すると断定する。
  論文  参考訳（メタデータ） (2023-08-17T15:22:06Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Neuromechanical Autoencoders: Learning to Couple Elastic and Neural Network Nonlinearity [15.47367187516723]
  私たちは機械学習のアナログを開発しようとしています。 メカニカルインテリジェンス 複素非線形弾性体のモルフォロジーとaを共に学習する。 ディープ・ニューラル・ネットワークで制御できます
  論文  参考訳（メタデータ） (2023-01-31T19:04:28Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• Symmetry Group Equivariant Architectures for Physics [52.784926970374556]
  機械学習の分野では、対称性に対する認識が目覚ましいパフォーマンスのブレークスルーを引き起こしている。 物理学のコミュニティと、より広い機械学習のコミュニティの両方に、理解すべきことがたくさんある、と私たちは主張する。
  論文  参考訳（メタデータ） (2022-03-11T18:27:04Z)
• Physical reservoir computing -- An introductory perspective [0.0]
  物理貯水池計算は、物理系の複雑な力学を情報処理装置として利用することができる。 本稿では,ソフトロボティクスの例を用いて,フレームワークの可能性を説明する。
  論文  参考訳（メタデータ） (2020-05-03T05:39:06Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

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。