Fugu-MT 論文翻訳(概要): Algorithmic Scenario Generation as Quality Diversity Optimization

論文の概要: Algorithmic Scenario Generation as Quality Diversity Optimization

arxiv url: http://arxiv.org/abs/2409.04711v1
Date: Sat, 7 Sep 2024 05:20:41 GMT
ステータス: 処理完了
システム内更新日: 2024-09-10 21:01:36.899580
Title: Algorithmic Scenario Generation as Quality Diversity Optimization
Title（参考訳）: 品質多様性最適化としてのアルゴリズムシナリオ生成
Authors: Stefanos Nikolaidis,
Abstract要約: 人と対話するロボットや自律エージェントの複雑さの増大は、デプロイ前にそれらを体系的にテストするアプローチに対する重要なニーズを強調している。本稿では,フレームワークの各コンポーネントの開発から得られた知見について述べるとともに,これらのコンポーネントの統合が,さまざまな現実的かつ困難なシナリオの発見につながっていることを示す。
参考スコア（独自算出の注目度）: 8.010900084313414
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The increasing complexity of robots and autonomous agents that interact with people highlights the critical need for approaches that systematically test them before deployment. This review paper presents a general framework for solving this problem, describes the insights that we have gained from working on each component of the framework, and shows how integrating these components leads to the discovery of a diverse range of realistic and challenging scenarios that reveal previously unknown failures in deployed robotic systems interacting with people.
Abstract（参考訳）: 人と対話するロボットや自律エージェントの複雑さの増大は、デプロイ前にそれらを体系的にテストするアプローチに対する重要なニーズを強調している。本稿は、この問題を解決するための一般的なフレームワークを示し、フレームワークの各コンポーネントの開発から得られた知見を述べるとともに、これらのコンポーネントの統合が、これまで未知の障害が人間と対話するデプロイされたロボットシステムにおいて、さまざまな現実的かつ困難なシナリオの発見につながっていることを示す。

関連論文リスト

Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
論文参考訳（メタデータ） (2024-10-03T04:07:51Z)
Investigating the Role of Instruction Variety and Task Difficulty in Robotic Manipulation Tasks [50.75902473813379]
本研究は、そのようなモデルの一般化能力における命令と入力の役割を体系的に検証する包括的評価フレームワークを導入する。提案フレームワークは,極度の命令摂動に対するマルチモーダルモデルのレジリエンスと,観測的変化に対する脆弱性を明らかにする。
論文参考訳（メタデータ） (2024-07-04T14:36:49Z)
A Survey on Context-Aware Multi-Agent Systems: Techniques, Challenges and Future Directions [1.1458366773578277]
自律型エージェントに対する研究の関心が高まっている。課題は、これらのエージェントが動的環境における不確実性を学び、推論し、ナビゲートできるようにすることである。コンテキスト認識は、マルチエージェントシステムの強化において重要な要素として現れる。
論文参考訳（メタデータ） (2024-02-03T00:27:22Z)
Surrogate Assisted Generation of Human-Robot Interaction Scenarios [14.548073522259248]
本研究では,サロゲート支援シナリオ生成が,課題シナリオの多様なデータセットを効率的に合成することを示す。これらの失敗は実世界の相互作用において再現可能であることを実証する。
論文参考訳（メタデータ） (2023-04-26T19:11:56Z)
Discovering Unsupervised Behaviours from Full-State Trajectories [1.827510863075184]
本稿では,自律的に行動特性を見出す品質多様性アルゴリズムとして,自律型ロボットの能力を実現する手法を提案する。本手法は,ロボットが実状態の軌道から自律的にその能力を見いださなければならないシミュレーションロボット環境において評価する。より具体的には、分析されたアプローチは、ロボットを多様な位置に移動させるポリシーを自律的に見つけるだけでなく、脚を多様な方法で活用し、ハーフロールも行う。
論文参考訳（メタデータ） (2022-11-22T16:57:52Z)
Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文参考訳（メタデータ） (2021-10-14T15:14:33Z)
Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文参考訳（メタデータ） (2021-09-21T16:18:45Z)
Q-Mixing Network for Multi-Agent Pathfinding in Partially Observable Grid Environments [62.997667081978825]
部分的に観測可能なグリッド環境におけるマルチエージェントナビゲーションの問題点を考察する。エージェントがまず、観察を行動にマッピングする方針を学習し、その目的を達成するためにこれらの方針に従うとき、強化学習アプローチを活用することを提案する。
論文参考訳（メタデータ） (2021-08-13T09:44:47Z)
Enhancing Multi-Robot Perception via Learned Data Association [37.866254392010454]
本稿では,マルチロボット協調認識問題,特に分散セマンティックセグメンテーションにおけるマルチビューインフィル問題に対処する。本稿では,ロボット群において各エージェントにデプロイ可能なニューラルネットワークであるMulti-Agent Infilling Networkを提案する。具体的には、各ロボットが視覚情報を局所的に符号化・復号し、ニューラルメカニズムにより、不確実性を認識し、文脈に基づく中間特徴の交換を可能にする。
論文参考訳（メタデータ） (2021-07-01T22:45:26Z)
Simultaneous View and Feature Selection for Collaborative Multi-Robot Perception [9.266151962328548]
協調的マルチロボット認識は、環境の複数のビューを提供する。これらの複数の観測は、正確な認識のためにインテリジェントに融合する必要があります。ビュー選択,特徴選択,オブジェクト認識を同時に統合する,協調型マルチロボット認識に対する新しいアプローチを提案する。
論文参考訳（メタデータ） (2020-12-17T00:01:05Z)
Randomized Entity-wise Factorization for Multi-Agent Reinforcement Learning [59.62721526353915]
実世界のマルチエージェント設定は、エージェントや非エージェントエンティティのタイプや量が異なるタスクを伴うことが多い。我々の方法は、これらの共通点を活用することを目的としており、「観察対象のランダムに選択されたサブグループのみを考えるとき、各エージェントが期待する効用は何か?」という問いを投げかける。
論文参考訳（メタデータ） (2020-06-07T18:28:41Z)

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。