論文の概要: Modeling Task Immersion based on Goal Activation Mechanism

• arxiv url: http://arxiv.org/abs/2412.05112v1
• Date: Fri, 06 Dec 2024 15:12:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:56:29.156973
• Title: Modeling Task Immersion based on Goal Activation Mechanism
• Title（参考訳）: ゴール活性化機構に基づくタスク浸漬のモデル化
• Authors: Kazuma Nagashima, Jumpei Nishikawa, Junya Morita,
• Abstract要約: ひとつのタスクの過剰な刺激は、タスク外のイベントを見渡すなど、欠点がある。 本研究では,過度に増大した覚醒がタスク遷移を困難にする覚醒力学の計算モデルを構築した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Immersion in a task is a prerequisite for creativity. However, excessive arousal in a single task has drawbacks, such as overlooking events outside of the task. To examine such a negative aspect, this study constructs a computational model of arousal dynamics where the excessively increased arousal makes the task transition difficult. The model was developed using functions integrated into the cognitive architecture Adaptive Control of Thought-Rational (ACT-R). Under the framework, arousal is treated as a coefficient affecting the overall activation level in the model. In our simulations, we set up two conditions demanding low and high arousal, trying to replicate corresponding human experiments. In each simulation condition, two sets of ACT-R parameters were assumed from the different interpretations of the human experimental settings. The results showed consistency of behavior between humans and models both in the two different simulation settings. This result suggests the validity of our assumptions and has implications of controlling arousal in our daily life.
• Abstract（参考訳）: タスクにおける没入は創造性のための前提条件です。 しかし、1つのタスクにおける過度の覚醒は、タスクの外のイベントを見渡すなど、欠点がある。 このような負の側面を調べるために,過度に増大する覚醒がタスク遷移を困難にする覚醒力学の計算モデルを構築した。 このモデルは、認知アーキテクチャのAdaptive Control of Thought-Rational (ACT-R)に統合された関数を用いて開発された。 この枠組みの下では、覚醒はモデル全体の活性化レベルに影響を与える係数として扱われる。 シミュレーションでは,人間の実験を再現するために,低刺激と高刺激の2つの条件を設定した。 各シミュレーション条件では, 実験条件の異なる解釈から, ACT-Rパラメータの2つのセットを仮定した。 その結果,2つのシミュレーション環境において,人間とモデル間の動作の整合性を示した。 この結果から,我々の仮定の妥当性が示唆され,日常生活における覚醒の制御に影響を及ぼす可能性が示唆された。

関連論文リスト

• Benchmarking Mental State Representations in Language Models [9.318796743761224]
  モデルの内部的な精神状態の表現に関する研究は依然として限られている。 最近の研究は、LMが自分自身や他人の信念を表現できることを示すのに、プローブを用いている。 モデルサイズが異なる様々なLMタイプを用いた広範囲なベンチマークを報告する。 我々は,素早い変化が心的タスクの理論における探索的パフォーマンスにどのように影響するかを初めて研究する。
  論文  参考訳（メタデータ） (2024-06-25T12:51:06Z)
• Persistent-Transient Duality: A Multi-mechanism Approach for Modeling Human-Object Interaction [58.67761673662716]
  人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。 人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。 本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-07-24T12:21:33Z)
• Decoding Neural Activity to Assess Individual Latent State in Ecologically Valid Contexts [1.1059590443280727]
  2つの高度に制御された実験室のパラダイムからのデータを用いて、2つの異なるドメイン一般化モデルを訓練する。 我々は、下層の潜伏状態と関連する神経活動パターンを推定する。
  論文  参考訳（メタデータ） (2023-04-18T15:15:00Z)
• Modelling human logical reasoning process in dynamic environmental stress with cognitive agents [13.171768256928509]
  本研究では,ドリフト拡散と深部強化学習を統合した認知エージェントを提案する。 21,157個の論理応答の大規模なデータセットを活用することで、動的ストレスのパフォーマンスへの影響を調査する。 定量的に、このフレームワークは、主観的および刺激特異的な行動差を捉えることにより、認知モデリングを改善する。 全体として、この研究は、動的文脈における人間の論理的推論プロセスのバガリーをシミュレートし、理解するための、強力でデータ駆動の方法論を示している。
  論文  参考訳（メタデータ） (2023-01-15T23:46:37Z)
• Task Formulation Matters When Learning Continually: A Case Study in Visual Question Answering [58.82325933356066]
  継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。 本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
  論文  参考訳（メタデータ） (2022-09-30T19:12:58Z)
• Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
  本稿では,ニューラルモデルによる反事実文の評価について検討する。 まず、神経因果モデル(NCM)が十分に表現可能であることを示す。 第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-09-30T18:29:09Z)
• Modelling Behaviour Change using Cognitive Agent Simulations [0.0]
  本稿では, シミュレーションエージェントに選択された行動変化理論を適用するために, プログレッシブ・イン・プログレッシブ・リサーチを提案する。 この研究は、不適切な状況下での自己決定的目標達成に必要な複雑なエージェントアーキテクチャに焦点を当てている。
  論文  参考訳（メタデータ） (2021-10-16T19:19:08Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)
• Learning intuitive physics and one-shot imitation using state-action-prediction self-organizing maps [0.0]
  人間は探索と模倣によって学び、世界の因果モデルを構築し、両方を使って新しいタスクを柔軟に解決する。 このような特徴を生み出す単純だが効果的な教師なしモデルを提案する。 エージェントがアクティブな推論スタイルで柔軟に解決する、複数の関連するが異なる1ショットの模倣タスクに対して、その性能を示す。
  論文  参考訳（メタデータ） (2020-07-03T12:29:11Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)
• RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
  インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。 シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
  論文  参考訳（メタデータ） (2020-04-14T20:52:49Z)

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。