論文の概要: Grounding Agent Reasoning in Image Schemas: A Neurosymbolic Approach to Embodied Cognition

• arxiv url: http://arxiv.org/abs/2503.24110v1
• Date: Mon, 31 Mar 2025 14:01:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:39:11.919220
• Title: Grounding Agent Reasoning in Image Schemas: A Neurosymbolic Approach to Embodied Cognition
• Title（参考訳）: 画像スキーマにおける接地エージェント推論 : 身体的認知に対するニューロシンボリックアプローチ
• Authors: François Olivier, Zied Bouraoui,
• Abstract要約: 本稿では,認知理論とエージェントシステムを橋渡しする新しい枠組みを提案する。 我々は、エージェントの基本的な概念構造に対する理解を基盤として、ニューロシンボリックシステムを構築することができるだろう。
• 参考スコア（独自算出の注目度）: 12.269231280154482
• License:
• Abstract: Despite advances in embodied AI, agent reasoning systems still struggle to capture the fundamental conceptual structures that humans naturally use to understand and interact with their environment. To address this, we propose a novel framework that bridges embodied cognition theory and agent systems by leveraging a formal characterization of image schemas, which are defined as recurring patterns of sensorimotor experience that structure human cognition. By customizing LLMs to translate natural language descriptions into formal representations based on these sensorimotor patterns, we will be able to create a neurosymbolic system that grounds the agent's understanding in fundamental conceptual structures. We argue that such an approach enhances both efficiency and interpretability while enabling more intuitive human-agent interactions through shared embodied understanding.
• Abstract（参考訳）: インボディードAIの進歩にもかかわらず、エージェント推論システムは、人間が自然に環境を理解し、相互作用するために使用する基本的な概念構造を捉えるのに苦戦している。 そこで本研究では,人間の認知を構成する知覚的経験の繰り返しパターンとして定義される画像スキーマの形式的特徴を活用することで,認識理論とエージェントシステムに橋渡しする新しい枠組みを提案する。 LLMをカスタマイズして、これらの知覚的パターンに基づいて、自然言語記述を形式的な表現に変換することにより、エージェントの基本的な概念構造に対する理解を基礎として、ニューロシンボリックシステムを構築することができる。 このようなアプローチは効率性と解釈可能性の両方を高めつつ、共有具体的理解を通じてより直感的な人間とエージェントの相互作用を可能にしている、と我々は主張する。

関連論文リスト

• Elucidation of the Concept of Consciousness from the Theory of Non-Human Communication Agents [0.0]
  本稿は、非人間コミュニケーションエージェント(ANHC)の関連性および後現象論から意識概念を解明することに焦点を当てる。 非人間的認知エージェントとの相互作用を基盤として、社会工学システムの説明可能性は、現代の哲学と科学の共通感覚に挑戦する。 目的は、ANHCの設計、規制、相互作用における現代の課題に対処するための倫理的かつ実践的なアプローチへの道を開く、新しい理解の枠組みを設計するための必要な議論に貢献することである。
  論文  参考訳（メタデータ） (2025-02-05T13:58:23Z)
• Human-like conceptual representations emerge from language prediction [72.5875173689788]
  大規模言語モデル(LLMs)は、言語データに対する次世代の予測を通じてのみ訓練され、顕著な人間的な振る舞いを示す。 これらのモデルは、人間に似た概念を発達させ、もしそうなら、そのような概念はどのように表現され、組織化されるのか? 以上の結果から,LLMは言語記述から他の概念に関する文脈的手がかりに関して柔軟に概念を導出できることが示唆された。 これらの結果は、構造化された人間のような概念表現が、現実世界の接地なしに言語予測から自然に現れることを証明している。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• Neurosymbolic Graph Enrichment for Grounded World Models [47.92947508449361]
  複雑な問題に対処するために, LLM の反応性を向上し, 活用するための新しいアプローチを提案する。 我々は,大規模言語モデルの強みと構造的意味表現を組み合わせた,多モーダルで知識を付加した意味の形式表現を作成する。 非構造化言語モデルと形式的意味構造とのギャップを埋めることで、自然言語理解と推論における複雑な問題に対処するための新たな道を開く。
  論文  参考訳（メタデータ） (2024-11-19T17:23:55Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
  本稿では,認知機能構築への進化的アプローチについて考察する。 本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
  論文  参考訳（メタデータ） (2022-07-02T12:41:32Z)
• Towards a Predictive Processing Implementation of the Common Model of Cognition [79.63867412771461]
  本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。 提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
  論文  参考訳（メタデータ） (2021-05-15T22:55:23Z)
• Deep Interpretable Models of Theory of Mind For Human-Agent Teaming [0.7734726150561086]
  我々は、他の観測対象の意図をモデル化するための解釈可能なモジュラー・ニューラル・フレームワークを開発する。 Minecraftの検索および救助タスクで、人間の参加者のデータに関する実験を行い、アプローチの有効性を実証します。
  論文  参考訳（メタデータ） (2021-04-07T06:18:58Z)
• On the Binding Problem in Artificial Neural Networks [12.04468744445707]
  この欠点の根底にある原因は、動的かつ柔軟に情報を結合できないことである。 非構造化感覚入力から有意義な実体を形成するための統一フレームワークを提案する。 我々は,人間レベルの一般化を実現する上で,AIに対する構成的アプローチが基本的重要性であると考えている。
  論文  参考訳（メタデータ） (2020-12-09T18:02:49Z)
• The Evolution of Concept-Acquisition based on Developmental Psychology [4.416484585765028]
  知識に基づく人工知能システムの性能向上の鍵は、豊富な意味を持つ概念システムである。 概念を表現し、概念システムを構築する新しい方法を見つけることは、多くのインテリジェントシステムの性能を大幅に向上させる。 発達心理学は、人間の行動レベルで概念獲得の過程を注意深く観察する。
  論文  参考訳（メタデータ） (2020-11-26T01:57:24Z)

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。