論文の概要: How attention simplifies mental representations for planning
- arxiv url: http://arxiv.org/abs/2506.09520v1
- Date: Wed, 11 Jun 2025 08:46:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 06:35:02.774186
- Title: How attention simplifies mental representations for planning
- Title（参考訳）: 注意が計画の心的表現をいかに単純化するか
- Authors: Jason da Silva Castanheira, Nicholas Shea, Stephen M. Fleming,
- Abstract要約: 本研究では,タスク表現のどの側面が主観的認識に入り,計画に利用できるかを空間的注意がどのように制御するかを検討する。
空間的近接性は、迷路のどの側面が計画に利用できるかを決定する。
注意のスポットライト」の類推にインスパイアされ, 空間的注意の効果を, 有意な導出の計算的説明に取り入れた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Human planning is efficient -- it frugally deploys limited cognitive resources to accomplish difficult tasks -- and flexible -- adapting to novel problems and environments. Computational approaches suggest that people construct simplified mental representations of their environment, balancing the complexity of a task representation with its utility. These models imply a nested optimisation in which planning shapes perception, and perception shapes planning -- but the perceptual and attentional mechanisms governing how this interaction unfolds remain unknown. Here, we harness virtual maze navigation to characterise how spatial attention controls which aspects of a task representation enter subjective awareness and are available for planning. We find that spatial proximity governs which aspects of a maze are available for planning, and that when task-relevant information follows natural (lateralised) contours of attention, people can more easily construct simplified and useful maze representations. This influence of attention varies considerably across individuals, explaining differences in people's task representations and behaviour. Inspired by the 'spotlight of attention' analogy, we incorporate the effects of visuospatial attention into existing computational accounts of value-guided construal. Together, our work bridges computational perspectives on perception and decision-making to better understand how individuals represent their environments in aid of planning.
- Abstract（参考訳）: ヒューマンプランニングは効率的な -- 難しいタスクを達成するために限られた認知リソースを手軽にデプロイし、新しい問題や環境に適応する -- 柔軟である。計算的アプローチは、人々は環境の単純化されたメンタル表現を構築し、タスク表現の複雑さと有用性のバランスをとることを示唆している。これらのモデルは、計画が知覚、知覚の形状を計画するネストされた最適化を示唆する。しかし、この相互作用がどのように展開されるかを決定する知覚的および注意のメカニズムは、まだ不明である。
そこで我々は,仮想迷路ナビゲーションを用いて,タスク表現のどの側面が主観的認識に入り,計画に利用できるかを空間的注意がいかに制御するかを特徴付ける。
空間的近接性は、迷路のどの側面が計画に利用できるかを規定し、タスク関連情報が自然(横方向)の注意輪郭に従えば、より簡単で有用な迷路表現を構築できる。
この注意の影響は個人によって大きく異なり、人々のタスク表現と行動の違いを説明する。
注意のスポットライト」の類推にインスパイアされ, 空間的注意の効果を, 有意な導出の計算的説明に取り入れた。
私たちの研究は、個人が計画のためにどのように環境を表現しているかをよりよく理解するために、知覚と意思決定に関する計算的な視点を橋渡しします。
関連論文リスト
- Visual Environment-Interactive Planning for Embodied Complex-Question Answering [28.929345360469807]
本研究は, Embodied Complex-Question Answeringタスクに焦点をあてる。
このタスクの中核は、視覚環境の知覚に基づいて適切な計画を立てることにある。
本稿では,多段階計画を考えると,計画を逐次的に定式化するための枠組みを提案する。
論文 参考訳（メタデータ） (2025-04-01T13:26:28Z) - Temporal Representation Alignment: Successor Features Enable Emergent Compositionality in Robot Instruction Following [50.377287115281476]
本研究では,現在および将来の状態の表現と時間的損失を関連付ける学習により,構成一般化が向上することを示す。
我々は,多様なロボット操作タスクおよびシミュレーションにおけるアプローチを評価し,言語やゴールイメージで指定されたタスクに対して,大幅な改善を示す。
論文 参考訳（メタデータ） (2025-02-08T05:26:29Z) - PlanCritic: Formal Planning with Human Feedback [0.994853090657971]
現実の計画問題は、しばしば複雑すぎて、1人の無知の人間によって効果的に取り組まれない。
最近の研究は、複雑な領域における人間を支援する共同計画システムの開発に重点を置いている。
我々は、より広範な協調計画システムの一環として、フィードバック駆動型計画批判を提示する。
論文 参考訳（メタデータ） (2024-11-30T00:58:48Z) - VSP: Assessing the dual challenges of perception and reasoning in spatial planning tasks for VLMs [102.36953558562436]
視覚言語モデル(VLM)は、エキサイティングな言語モデル(LM)のクラスである。
VLMの未調査能力の1つは、視覚空間計画である。
本研究は,これらのモデルにおける空間計画能力を概ね評価するベンチマークを提案する。
論文 参考訳（メタデータ） (2024-07-02T00:24:01Z) - Self-Explainable Affordance Learning with Embodied Caption [63.88435741872204]
具体的キャプションを具現化したSelf-Explainable Affordance Learning (SEA)を紹介する。
SEAは、ロボットが意図を明確に表現し、説明可能な視覚言語キャプションと視覚能力学習のギャップを埋めることを可能にする。
本稿では, 簡便かつ効率的な方法で, 空き地と自己説明を効果的に組み合わせた新しいモデルを提案する。
論文 参考訳（メタデータ） (2024-04-08T15:22:38Z) - Dynamic planning in hierarchical active inference [0.0]
人間の脳が認知決定に関連する運動軌跡を推論し、導入する能力について述べる。
本研究では,アクティブ推論における動的計画の話題に焦点を当てた。
論文 参考訳（メタデータ） (2024-02-18T17:32:53Z) - Attention Mechanisms in Computer Vision: A Survey [75.6074182122423]
本稿では,コンピュータビジョンにおける様々な注意機構について概観する。
チャネルアテンション,空間アテンション,時間アテンション,分岐アテンションなど,アプローチによって分類する。
我々は注意機構研究の今後の方向性を提案する。
論文 参考訳（メタデータ） (2021-11-15T09:18:40Z) - Understanding top-down attention using task-oriented ablation design [0.22940141855172028]
トップダウンの注目により、ニューラルネットワークは、人工的および生物学的の両方において、与えられたタスクに最も関連性の高い情報に集中することができる。
我々は,タスク指向アブレーション設計と呼ばれる一般的なフレームワークに基づく計算実験により,この問題に対処することを目指している。
2つのニューラルネットワークの性能を比較する。
論文 参考訳（メタデータ） (2021-06-08T21:01:47Z) - Control of mental representations in human planning [38.227123320091046]
人間の計画の2つの側面は、複雑な環境においてもその効率性と、変化する環境においても柔軟性を示す。
効率性は特に印象的です。なぜなら、最適計画を直接計算することは、控えめに複雑なタスクであっても困難であり、認知リソースが限られているにもかかわらず、無数の問題を解決できるからです。
本稿では,精神表現の制御が可能であり,適応的に問題を単純化し,より容易に推論できることを提案する。
論文 参考訳（メタデータ） (2021-05-14T16:39:31Z) - Learning Obstacle Representations for Neural Motion Planning [70.80176920087136]
学習の観点から,センサを用いたモーションプランニングに対処する。
近年の視覚認識の進歩により,運動計画における適切な表現の学習の重要性が議論されている。
本稿では,PointNetアーキテクチャに基づく新しい障害物表現を提案し,障害物回避ポリシーと共同で学習する。
論文 参考訳（メタデータ） (2020-08-25T17:12:32Z)
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。