論文の概要: Autonomous Behavior and Whole-Brain Dynamics Emerge in Embodied Zebrafish Agents with Model-based Intrinsic Motivation

• arxiv url: http://arxiv.org/abs/2506.00138v1
• Date: Fri, 30 May 2025 18:21:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:32.390225
• Title: Autonomous Behavior and Whole-Brain Dynamics Emerge in Embodied Zebrafish Agents with Model-based Intrinsic Motivation
• Title（参考訳）: モデルに基づく内因性動機付けによるゼブラフィッシュの自律行動と全脳動態の創発
• Authors: Reece Keller, Alyn Tornell, Felix Pei, Xaq Pitkow, Leo Kozachkov, Aran Nayebi,
• Abstract要約: 自律性は動物の知能の目印であり、外部の報酬やタスク構造に頼ることなく、複雑な環境で適応的でインテリジェントな行動を可能にする。 本稿では,動物に観察される堅牢な自律探査を捉えるために,モデルに基づく本質的なドライブを提案する。 本研究は,モデルに基づく本質的な動機づけを自然主義的行動に結びつけるための計算枠組みを確立し,動物のような自律性を持つ人工エージェント構築の基盤となる。
• 参考スコア（独自算出の注目度）: 6.291854967532677
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomy is a hallmark of animal intelligence, enabling adaptive and intelligent behavior in complex environments without relying on external reward or task structure. Existing reinforcement learning approaches to exploration in sparse reward and reward-free environments, including class of methods known as intrinsic motivation, exhibit inconsistent exploration patterns and thus fail to produce robust autonomous behaviors observed in animals. Moreover, systems neuroscience has largely overlooked the neural basis of autonomy, focusing instead on experimental paradigms where animals are motivated by external reward rather than engaging in unconstrained, naturalistic and task-independent behavior. To bridge these gaps, we introduce a novel model-based intrinsic drive explicitly designed to capture robust autonomous exploration observed in animals. Our method (3M-Progress) motivates naturalistic behavior by tracking divergence between the agent's current world model and an ethological prior. We demonstrate that artificial embodied agents trained with 3M-Progress capture the explainable variance in behavioral patterns and whole-brain neural-glial dynamics recorded from autonomously-behaving larval zebrafish, introducing the first goal-driven, population-level model of neural-glial computation. Our findings establish a computational framework connecting model-based intrinsic motivation to naturalistic behavior, providing a foundation for building artificial agents with animal-like autonomy.
• Abstract（参考訳）: 自律性は動物の知能の目印であり、外部の報酬やタスク構造に頼ることなく、複雑な環境で適応的でインテリジェントな行動を可能にする。 既存の強化学習アプローチは、本質的なモチベーションとして知られる一連の手法を含む、まばらな報酬や無報酬環境での探索であり、一貫性のない探索パターンを示しており、動物で観察される堅牢な自律的な行動を生み出すことができない。 さらに、システム神経科学は自律性の神経基盤を概ね見落としており、非拘束的で自然主義的でタスクに依存しない行動ではなく、動物が外的報酬によって動機づけられる実験的なパラダイムに焦点をあてている。 これらのギャップを埋めるために,動物が観察する堅牢な自律探査を正確に捉えるために設計された,モデルに基づく本質的なドライブを導入する。 3M-Progress法は,エージェントの現在の世界モデルと倫理的先行性との差異を追跡することによって,自然主義的行動の動機付けを行う。 本研究では, 3M-Progress で訓練した人工内在エージェントが, 自律的に行動する幼魚ゼブラフィッシュから記録された行動パターンと全脳神経グリアの動態を解析し, ニューラルグリア計算の目標駆動型集団レベルでの最初のモデルを導入することを実証した。 本研究は,モデルに基づく本質的なモチベーションを自然主義的行動に結びつけるための計算枠組みを確立し,動物のような自律性を持つ人工エージェント構築の基盤となる。

関連論文リスト

• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [58.58177409853298]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• Emergence of Goal-Directed Behaviors via Active Inference with Self-Prior [4.863927022806184]
  幼児は、外部報酬基準が提供されていない場合でも、感覚刺激に手を伸ばすなど、目標指向の行動を示すことが多い。 我々は「自己優先」と呼ばれるエージェント自身のマルチモーダル感覚経験のための新しい密度モデルを提案する。 本研究は、エージェント自身の感覚経験によって形成される本態的に動機づけられた行動を実装し、初期発達における意図的行動の自然発生を実証する。
  論文  参考訳（メタデータ） (2025-04-15T11:16:27Z)
• Modeling Dynamic Neural Activity by combining Naturalistic Video Stimuli and Stimulus-independent Latent Factors [5.967290675400836]
  本稿では,映像刺激と刺激非依存の潜伏因子からニューロン反応の結合分布を予測する確率モデルを提案する。 その結果,他のニューロンからの反応を条件づけた場合,対数様態で映像のみのモデルより優れ,可能性や相関性が向上することが判明した。
  論文  参考訳（メタデータ） (2024-10-21T16:01:39Z)
• Intrinsic Motivation in Dynamical Control Systems [5.635628182420597]
  エージェントのエンパワーメントの最大化に基づく本質的なモチベーションに対する情報理論的アプローチについて検討する。 このアプローチは、本質的なモチベーションを形式化する以前の試みを一般化することを示す。 これにより、実用的な人工的な本質的なモチベーションを持つコントローラーを設計するための扉が開く。
  論文  参考訳（メタデータ） (2022-12-29T05:20:08Z)
• Inference of Affordances and Active Motor Control in Simulated Agents [0.5161531917413706]
  本稿では,出力確率,時間的予測,モジュール型人工ニューラルネットワークアーキテクチャを提案する。 我々のアーキテクチャは、割当マップと解釈できる潜在状態が発達していることを示す。 アクティブな推論と組み合わせることで、フレキシブルでゴール指向の動作が実行可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-23T14:13:04Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
  本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。 このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。 実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T04:01:32Z)
• Variational Dynamic for Self-Supervised Exploration in Deep Reinforcement Learning [12.76337275628074]
  本研究では,条件付き変分推論に基づく変動力学モデルを提案し,多モード性および生成性をモデル化する。 環境遷移の負の対数類似度の上界を導出し、その上界を探査の本質的な報酬として利用する。 提案手法は,最先端の環境モデルに基づく探索手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-17T09:54:51Z)

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。