論文の概要: Observer-Aware Probabilistic Planning Under Partial Observability

• arxiv url: http://arxiv.org/abs/2502.10568v1
• Date: Fri, 14 Feb 2025 21:41:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:12:04.622700
• Title: Observer-Aware Probabilistic Planning Under Partial Observability
• Title（参考訳）: 部分観測可能性下における観測者対応確率計画
• Authors: Salomé Lepers, Vincent Thomas, Olivier Buffet,
• Abstract要約: 観測者対応のマルコフ決定プロセス(OAMDP)に基づいて,部分的可観測性問題に対処する枠組みを提案する。 部分可観測性へのOAMDPの拡張は、より現実的な問題に対処できるだけでなく、動的に隠れた興味のある変数を考慮できる。
• 参考スコア（独自算出の注目度）: 3.8506666685467343
• License:
• Abstract: In this article, we are interested in planning problems where the agent is aware of the presence of an observer, and where this observer is in a partial observability situation. The agent has to choose its strategy so as to optimize the information transmitted by observations. Building on observer-aware Markov decision processes (OAMDPs), we propose a framework to handle this type of problems and thus formalize properties such as legibility, explicability and predictability. This extension of OAMDPs to partial observability can not only handle more realistic problems, but also permits considering dynamic hidden variables of interest. These dynamic target variables allow, for instance, working with predictability, or with legibility problems where the goal might change during execution. We discuss theoretical properties of PO-OAMDPs and, experimenting with benchmark problems, we analyze HSVI's convergence behavior with dedicated initializations and study the resulting strategies.
• Abstract（参考訳）: 本稿では,エージェントがオブザーバの存在に気付いていて,このオブザーバが部分的にオブザーバビリティの状況にあるような,計画上の問題に関心がある。 エージェントは、観測によって送信される情報を最適化するために、その戦略を選択する必要がある。 観測者対応マルコフ決定プロセス(OAMDP)に基づいて,このような問題に対処し,妥当性,説明可能性,予測可能性などの特性を定式化する枠組みを提案する。 部分可観測性へのOAMDPの拡張は、より現実的な問題に対処できるだけでなく、動的に隠れた興味のある変数を考慮できる。 これらの動的ターゲット変数は、例えば、予測可能性や、実行中にゴールが変更される可能性のある正当性の問題を扱うことができる。 我々は,PO-OAMDPの理論的性質を議論し,ベンチマーク問題の実験を行い,HSVIの収束挙動を専用初期化を用いて解析し,その結果の戦略について考察する。

関連論文リスト

• Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
  そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。 本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
  論文  参考訳（メタデータ） (2024-08-24T18:28:19Z)
• How to Exhibit More Predictable Behaviors [3.5248694676821484]
  本稿では,外部オブザーバが行うことができる予測を最適化するために,エージェントがその戦略を選択する必要がある予測可能性問題について考察する。 環境力学や観察対象者の政策について不確実性を考慮して検討する。 本稿では,エージェントポリシーに対するオブザーバの信念に基づいて,報酬関数を用いた行動予測可能性評価基準を提案する。
  論文  参考訳（メタデータ） (2024-04-17T12:06:17Z)
• On Quantified Observability Analysis in Multiagent Systems [5.620321106679634]
  本稿では,マルチエージェントシステム(MAS)の可観測特性を定量的に解析するための新しい手法を提案する。 不透明性の概念は、部分的に観測可能なマルチエージェントシステムとしてモデル化されたMASにおける可観測性の特徴を正式に表現するために適用される。 本稿では,エージェントの観測可能性と定量的な目標を関連付けるための時間論理oPATLを提案する。
  論文  参考訳（メタデータ） (2023-10-04T06:58:26Z)
• Understanding Self-attention Mechanism via Dynamical System Perspective [58.024376086269015]
  SAM(Self-attention mechanism)は、人工知能の様々な分野で広く使われている。 常微分方程式(ODE)の高精度解における固有剛性現象(SP)は,高性能ニューラルネットワーク(NN)にも広く存在することを示す。 SAMは、本質的なSPを測定するためのモデルの表現能力を高めることができる剛性対応のステップサイズ適応器でもあることを示す。
  論文  参考訳（メタデータ） (2023-08-19T08:17:41Z)
• Motion-Scenario Decoupling for Rat-Aware Video Position Prediction: Strategy and Benchmark [49.58762201363483]
  本研究では,個人や環境の影響要因を考慮し,生物ロボットの動き予測データセットであるRatPoseを紹介する。 本稿では,シナリオ指向とモーション指向を効果的に分離するDual-stream Motion-Scenario Decouplingフレームワークを提案する。 難易度が異なるタスクに対して,提案したtextitDMSD フレームワークの大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2023-05-17T14:14:31Z)
• Explainability in Process Outcome Prediction: Guidelines to Obtain Interpretable and Faithful Models [77.34726150561087]
  本稿では、プロセス結果予測の分野における説明可能性モデルと説明可能性モデルの忠実性を通して、説明可能性を定義する。 本稿では,イベントログの仕様に基づいて適切なモデルを選択することのできる,X-MOPというガイドラインのセットを提案する。
  論文  参考訳（メタデータ） (2022-03-30T05:59:50Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in Partially Observed Markov Decision Processes [65.91730154730905]
  医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。 ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。 我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
  論文  参考訳（メタデータ） (2021-10-28T17:46:14Z)
• Deceptive Decision-Making Under Uncertainty [25.197098169762356]
  タスクを遂行しながら,外部の観察者の意図を判断できる自律エージェントの設計について検討する。 エージェントの動作をマルコフ決定プロセスとしてモデル化することにより、エージェントが複数の潜在的な目標を達成するための設定を考える。 本稿では,最大エントロピーの原理に基づいて観測者予測をモデル化し,認識戦略を効率的に生成する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-14T14:56:23Z)
• Building Interpretable Models for Business Process Prediction using Shared and Specialised Attention Mechanisms [5.607831842909669]
  我々は、解釈可能なモデルを構築することにより、予測プロセス分析における「ブラックボックス」問題に対処する。 本稿では,特定のプロセスイベントが予測に与える影響を捉えるイベントアテンションと,その予測に影響を及ぼすイベントの属性を明らかにする属性アテンションの2つのタイプを提案する。
  論文  参考訳（メタデータ） (2021-09-03T10:17:05Z)

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。