論文の概要: From Understanding the World to Intervening in It: A Unified Multi-Scale Framework for Embodied Cognition

• arxiv url: http://arxiv.org/abs/2503.00727v1
• Date: Sun, 02 Mar 2025 04:43:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:14:34.565894
• Title: From Understanding the World to Intervening in It: A Unified Multi-Scale Framework for Embodied Cognition
• Title（参考訳）: 世界の理解からインターベンションへ - 身体的認知のための統一されたマルチスケールフレームワーク
• Authors: Maijunxian Wang,
• Abstract要約: マルチスケールなエラーフィードバックによって知覚、記憶、意思決定をシームレスに統合する認識を具現化するための適応統合知識・行動知能システムであるAUKAIを提案する。 本稿では,ニューラルネットワークの強みを象徴的推論モジュールと組み合わせ,解釈可能性と堅牢性を向上させるハイブリッド実装を提案する。 我々は,ロボットナビゲーションと障害物回避の詳細な応用を通じて,AUKAIの可能性を実証し,シミュレーション環境と実環境の両方において,その有効性を検証するための総合的な実験計画を概説する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this paper, we propose AUKAI, an Adaptive Unified Knowledge-Action Intelligence for embodied cognition that seamlessly integrates perception, memory, and decision-making via multi-scale error feedback. Interpreting AUKAI as an embedded world model, our approach simultaneously predicts state transitions and evaluates intervention utility. The framework is underpinned by rigorous theoretical analysis drawn from convergence theory, optimal control, and Bayesian inference, which collectively establish conditions for convergence, stability, and near-optimal performance. Furthermore, we present a hybrid implementation that combines the strengths of neural networks with symbolic reasoning modules, thereby enhancing interpretability and robustness. Finally, we demonstrate the potential of AUKAI through a detailed application in robotic navigation and obstacle avoidance, and we outline comprehensive experimental plans to validate its effectiveness in both simulated and real-world environments.
• Abstract（参考訳）: 本稿では,認識,記憶,意思決定をマルチスケールの誤りフィードバックを通じてシームレスに統合する,適応統合知識・行動知能(Adaptive Unified Knowledge-Action Intelligence for embodied cognition)を提案する。 我々は,AUKAIを組込み世界モデルとして解釈し,状態遷移を同時に予測し,介入ユーティリティを評価する。 この枠組みは、収束理論、最適制御、ベイズ推論から引き出された厳密な理論解析によって支えられ、収束、安定性、および準最適性能の条件を総合的に確立している。 さらに,ニューラルネットワークの強みを象徴的推論モジュールと組み合わせ,解釈可能性と堅牢性を向上させるハイブリッド実装を提案する。 最後に,ロボットナビゲーションと障害物回避の詳細な応用を通じて,AUKAIの可能性を実証し,シミュレーション環境と実環境の両方において,その有効性を検証するための総合的な実験計画を概説する。

関連論文リスト

• Deep Learning for Resilient Adversarial Decision Fusion in Byzantine Networks [0.43512163406551996]
  本稿では,対戦型マルチセンサネットワークにおけるレジリエントな決定融合のためのディープラーニングに基づくフレームワークを提案する。 提案手法では、グローバルに構築されたデータセットに基づいてトレーニングされたディープニューラルネットワークを使用して、すべてのケースを適応を必要とせずに一般化する。
  論文  参考訳（メタデータ） (2024-12-17T10:02:04Z)
• Unifying Perspectives: Plausible Counterfactual Explanations on Global, Group-wise, and Local Levels [2.675793767640172]
  説明可能なAI(xAI)における有望なテクニックとして、CF(Counterfactual Explanations)が登場している。 本稿では, 局所的, グループ的, グローバルな対実的説明を識別可能な分類モデルに対して生成するための統一的アプローチを提案する。 我々の研究は、AIモデルの解釈可能性と説明可能性を大幅に向上させ、透明なAI追求の一歩を踏み出した。
  論文  参考訳（メタデータ） (2024-05-27T20:32:09Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Constrained Bayesian Optimization with Adaptive Active Learning of Unknown Constraints [10.705151736050967]
  制約下での目的の最適化は、科学実験設計、医療療法の設計、産業プロセス最適化といった現実世界の応用において一般的なシナリオである。 一般のROIを決定するために,各側面から特定されたROIと交差する効率的なCBOフレームワークを提案する。 本稿では,実証的な証拠を通じて提案したCBOフレームワークの効率性とロバスト性を実証し,CBOアルゴリズムの実践的後悔境界を導出する根本的な課題について論じる。
  論文  参考訳（メタデータ） (2023-10-12T22:32:00Z)
• A Novel Neural-symbolic System under Statistical Relational Learning [47.30190559449236]
  NSF-SRLと呼ばれる統計的関係学習に基づくニューラルシンボリック・フレームワークを提案する。 シンボリック推論の結果は、深層学習モデルによる予測の洗練と修正に利用され、深層学習モデルはシンボリック推論プロセスの効率を高める。 我々は、このアプローチがニューラルシンボリックシステムの新しい標準となり、汎用人工知能の分野における将来の研究を促進すると信じている。
  論文  参考訳（メタデータ） (2023-09-16T09:15:37Z)
• Probabilistic Constrained Reinforcement Learning with Formal Interpretability [2.990411348977783]
  本稿では,これらの解釈可能性問題に対処するために,適応ワッサースタイン変分最適化(AWaVO)を提案する。 提案手法は,コンバージェンス保証の解釈可能性,透明性の訓練,本質的な決定解釈を実現するために形式的手法を用いる。 TRPO-IPO, PCPO, CRPOといった最先端ベンチマークと比較して, AWaVOがハイパフォーマンスと十分な解釈可能性の間に合理的なトレードオフをもたらすことを実証的に検証する。
  論文  参考訳（メタデータ） (2023-07-13T22:52:22Z)
• Modeling Multiple Views via Implicitly Preserving Global Consistency and Local Complementarity [61.05259660910437]
  複数の視点から表現を学習するために,グローバルな一貫性と相補性ネットワーク(CoCoNet)を提案する。 グローバルな段階では、重要な知識はビュー間で暗黙的に共有され、そのような知識を捕捉するためのエンコーダの強化は、学習された表現の識別性を向上させることができる。 最後に、局所的な段階において、横断的な識別的知識を結合する相補的要素を提案し、また、エンコーダが視点的識別性だけでなく、横断的な相補的情報も学習するように誘導する。
  論文  参考訳（メタデータ） (2022-09-16T09:24:00Z)
• Trusted Multi-View Classification with Dynamic Evidential Fusion [73.35990456162745]
  信頼型マルチビュー分類(TMC)と呼ばれる新しいマルチビュー分類アルゴリズムを提案する。 TMCは、様々な視点をエビデンスレベルで動的に統合することで、マルチビュー学習のための新しいパラダイムを提供する。 理論的および実験的結果は、精度、堅牢性、信頼性において提案されたモデルの有効性を検証した。
  論文  参考訳（メタデータ） (2022-04-25T03:48:49Z)
• Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
  我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。 本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
  論文  参考訳（メタデータ） (2021-12-03T12:10:26Z)
• Efficient Empowerment Estimation for Unsupervised Stabilization [75.32013242448151]
  エンパワーメント原理は 直立位置での 力学系の教師なし安定化を可能にする 本稿では,ガウスチャネルとして動的システムのトレーニング可能な表現に基づく代替解を提案する。 提案手法は, サンプルの複雑さが低く, 訓練時より安定であり, エンパワーメント機能の本質的特性を有し, 画像からエンパワーメントを推定できることを示す。
  論文  参考訳（メタデータ） (2020-07-14T21:10:16Z)

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。