論文の概要: Exploring the Link Between Bayesian Inference and Embodied Intelligence: Toward Open Physical-World Embodied AI Systems

• arxiv url: http://arxiv.org/abs/2507.21589v1
• Date: Tue, 29 Jul 2025 08:43:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:55.947754
• Title: Exploring the Link Between Bayesian Inference and Embodied Intelligence: Toward Open Physical-World Embodied AI Systems
• Title（参考訳）: ベイズ推論と身体的知能の関連を探る:オープンな物理世界型身体的AIシステムを目指して
• Authors: Bin Liu,
• Abstract要約: エンボディード・インテリジェンス(Embodied Intelligence)は、認知能力はエージェントのリアルタイムな感覚運動体と環境との相互作用から出現し、形成されていることを示唆している。 身体的な知能システムはほとんどが閉ざされた物理世界環境に限られている。
• 参考スコア（独自算出の注目度）: 3.498694457257263
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Embodied intelligence posits that cognitive capabilities fundamentally emerge from - and are shaped by - an agent's real-time sensorimotor interactions with its environment. Such adaptive behavior inherently requires continuous inference under uncertainty. Bayesian statistics offers a principled probabilistic framework to address this challenge by representing knowledge as probability distributions and updating beliefs in response to new evidence. The core computational processes underlying embodied intelligence - including perception, action selection, learning, and even higher-level cognition - can be effectively understood and modeled as forms of Bayesian inference. Despite the deep conceptual connection between Bayesian statistics and embodied intelligence, Bayesian principles have not been widely or explicitly applied in today's embodied intelligence systems. In this work, we examine both Bayesian and contemporary embodied intelligence approaches through two fundamental lenses: search and learning - the two central themes in modern AI, as highlighted in Rich Sutton's influential essay "The Bitter Lesson". This analysis sheds light on why Bayesian inference has not played a central role in the development of modern embodied intelligence. At the same time, it reveals that current embodied intelligence systems remain largely confined to closed-physical-world environments, and highlights the potential for Bayesian methods to play a key role in extending these systems toward truly open physical-world embodied intelligence.
• Abstract（参考訳）: エンボディード・インテリジェンス(Embodied Intelligence)は、認知能力は、エージェントが環境とリアルタイムの感覚運動器の相互作用によって、基本的に-そして形づくられることを示唆している。 このような適応的な振る舞いは本質的に不確実性の下で連続的な推論を必要とする。 ベイズ統計は、知識を確率分布として表現し、新しい証拠に対応する信念を更新することによって、この問題に対処するための原則化された確率的枠組みを提供する。 知覚、行動選択、学習、さらには高いレベルの認知など、インボディード・インテリジェンスの基礎となる計算プロセスは、ベイズ推論の形式として効果的に理解され、モデル化することができる。 ベイズ統計学とインボディード・インテリジェンスとの深い概念的なつながりにもかかわらず、ベイズ主義は現在のインボディード・インテリジェンス・システムでは広くも明確には適用されていない。 本研究では,現代AIにおける2つの中心的テーマである探索と学習という2つの基本レンズを通して,ベイズ的および現代的なインテリジェンスアプローチについて検討する。 この分析は、ベイズ的推論が近代的な具体的知性の発展において中心的な役割を果たしていない理由を浮き彫りにしている。 同時に、現在のインボディード・インテリジェンス・システムは、クローズド・フィジカル・ワールド・インテリジェンスに限られており、ベイズ的手法が真のオープン・フィジカル・ワールド・エンボディード・インテリジェンス(英語版)に向けてこれらのシステムを拡張する上で重要な役割を担っている可能性を浮き彫りにしている。

関連論文リスト

• Continuum-Interaction-Driven Intelligence: Human-Aligned Neural Architecture via Crystallized Reasoning and Fluid Generation [1.5800607910450124]
  現在のAIシステムは、幻覚、予測不能、そして人間の意思決定と不一致といった課題に直面している。 本研究では、確率的生成(LLM)とホワイトボックスの手続き的推論(チェーン・オブ・シント)を統合し、解釈可能で、継続的な学習可能で、人間に準拠したAIシステムを構築する二チャンネルインテリジェントアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-04-12T18:15:49Z)
• Probabilistic Artificial Intelligence [42.59649764999974]
  インテリジェンスの主な側面は、予測を行うだけでなく、これらの予測の不確実性について推論し、決定を行うときにこの不確実性を考慮することである。 データ不足による「緊急的」不確実性と「アラート的」不確実性との区別について論じる。
  論文  参考訳（メタデータ） (2025-02-07T14:29:07Z)
• Visual Agents as Fast and Slow Thinkers [88.1404921693082]
  本稿では、Fast and Slow Thinking機構を視覚エージェントに組み込んだFaSTを紹介する。 FaSTは、システム1/2モード間の動的選択にスイッチアダプタを使用する。 モデルの信頼性を調整し、新しいコンテキストデータを統合することで、不確実で目に見えないオブジェクトに取り組む。
  論文  参考訳（メタデータ） (2024-08-16T17:44:02Z)
• Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
  エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。 本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:09:56Z)
• Bayes in the age of intelligent machines [11.613278345297399]
  ベイズ的認知モデルと人工ニューラルネットワークは、異なるレベルの分析に関係しており、相補的なモデリングアプローチであると主張する。 我々はまた、ベイズ的アプローチが一意に価値があるかもしれないインテリジェントマシンにも、同じ視点が適用できると主張する。
  論文  参考訳（メタデータ） (2023-11-16T21:39:54Z)
• A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Designing Ecosystems of Intelligence from First Principles [34.429740648284685]
  このホワイトペーパーは、今後10年間(そしてそれ以上)、人工知能の分野における研究と発展のビジョンを概説している。 そのデノウメントは自然と合成の感覚形成のサイバー物理的なエコシステムであり、人間は統合的な参加者である。 このビジョンは、知性の物理学として読むことができる適応的行動の定式化である能動推論に基づいている。
  論文  参考訳（メタデータ） (2022-12-02T18:24:06Z)
• On the Principles of Parsimony and Self-Consistency for the Emergence of Intelligence [10.951424145477633]
  本稿では,インテリジェンスの全体像における深層ネットワークの理解に光を当てる理論的枠組みを提案する。 パシモニーと自己整合性の2つの基本原則を導入し、知性の出現の基盤となると信じている。
  論文  参考訳（メタデータ） (2022-07-11T05:06:08Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。