論文の概要: Goal-Directedness is in the Eye of the Beholder

• arxiv url: http://arxiv.org/abs/2508.13247v1
• Date: Mon, 18 Aug 2025 11:04:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.686754
• Title: Goal-Directedness is in the Eye of the Beholder
• Title（参考訳）: ゴール指向性は,利害関係者の目の中にある
• Authors: Nina Rajcic, Anders Søgaard,
• Abstract要約: ゴール指向の行動の探索には,2つのフレーバーがある。 エージェントシステムにおけるゴールの定式化から生じる技術的および概念的問題を特定する。 本稿では,動的マルチエージェントシステムの創発的特性として,ゴール指向性をモデル化するための新たな方向性について概説する。
• 参考スコア（独自算出の注目度）: 48.937781898861815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our ability to predict the behavior of complex agents turns on the attribution of goals. Probing for goal-directed behavior comes in two flavors: Behavioral and mechanistic. The former proposes that goal-directedness can be estimated through behavioral observation, whereas the latter attempts to probe for goals in internal model states. We work through the assumptions behind both approaches, identifying technical and conceptual problems that arise from formalizing goals in agent systems. We arrive at the perhaps surprising position that goal-directedness cannot be measured objectively. We outline new directions for modeling goal-directedness as an emergent property of dynamic, multi-agent systems.
• Abstract（参考訳）: 複雑なエージェントの振る舞いを予測する能力は、目標の帰属を左右する。 ゴール指向の行動の探索には,2つのフレーバーがある。 前者は行動観察によってゴール指向性を推定できると提案し、後者は内部モデル状態におけるゴールの探索を試みる。 エージェントシステムにおける目標の形式化から生じる技術的および概念的な問題を特定し、両方のアプローチの背後にある仮定を精査する。 私たちは、ゴール指向性は客観的に測定できないという、おそらく驚くべき立場にたどり着きます。 本稿では,動的マルチエージェントシステムの創発的特性として,ゴール指向性をモデル化するための新たな方向性について概説する。

関連論文リスト

• Rejecting Hallucinated State Targets during Planning [84.179112256683]
  計画過程において、生成的または予測的モデルは、期待される状態や望ましい状態の集合を表す「ターゲット」を提案するためにしばしば用いられる。 残念ながら、学習したモデルは必然的に幻覚を与え、妄想的な行動や安全上の懸念を引き起こす可能性がある。 我々は、目標実現可能性評価器を学習することで、実現不可能な目標を特定し、拒否する戦略を考案する。
  論文  参考訳（メタデータ） (2024-10-09T17:35:25Z)
• Towards Measuring Goal-Directedness in AI Systems [0.0]
  意図しない目標を追求するAIシステムにとって重要な前提条件は、一貫性のあるゴール指向の方法で振る舞うかどうかである。 そこで本稿では,多くの報酬関数に準最適であるかどうかをモデル化する政策の目的指向性の定義を新たに提案する。 私たちの貢献は、AIシステムが危険な目標を追求できるかどうかという問題にアプローチするために、シンプルで計算が容易なゴール指向性の定義です。
  論文  参考訳（メタデータ） (2024-10-07T01:34:42Z)
• Habits and goals in synergy: a variational Bayesian framework for behavior [22.461524318820672]
  効果的かつ柔軟に振る舞う方法は、生物学的エージェントを理解し、インテリジェントなエンボディAIを作成するための中心的な問題である。 行動は2つのタイプに分類されることが知られている:報酬を最大化する習慣的行動。 我々は、変分ベイズ理論の原理に基づいて、2つの挙動のギャップを埋めることを提案する。
  論文  参考訳（メタデータ） (2023-04-11T06:28:14Z)
• Discrete Factorial Representations as an Abstraction for Goal Conditioned Reinforcement Learning [99.38163119531745]
  離散化ボトルネックを適用することにより,目標条件付きRLセットアップの性能が向上することを示す。 分布外目標に対する期待した回帰を実験的に証明し、同時に表現的な構造で目標を指定できるようにします。
  論文  参考訳（メタデータ） (2022-11-01T03:31:43Z)
• Deceptive Decision-Making Under Uncertainty [25.197098169762356]
  タスクを遂行しながら,外部の観察者の意図を判断できる自律エージェントの設計について検討する。 エージェントの動作をマルコフ決定プロセスとしてモデル化することにより、エージェントが複数の潜在的な目標を達成するための設定を考える。 本稿では,最大エントロピーの原理に基づいて観測者予測をモデル化し,認識戦略を効率的に生成する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-14T14:56:23Z)
• Goal-GAN: Multimodal Trajectory Prediction Based on Goal Position Estimation [1.20855096102517]
  本稿では,人間の軌道予測のための解釈可能な,エンドツーエンドのトレーニング可能なモデルであるGoal-GANを提案する。 人間のナビゲーションにヒントを得て、軌道予測のタスクを直感的な2段階のプロセスとしてモデル化する。
  論文  参考訳（メタデータ） (2020-10-02T17:17:45Z)
• Tracking Emotions: Intrinsic Motivation Grounded on Multi-Level Prediction Error Dynamics [68.8204255655161]
  目標達成に向けての進捗率と期待率の差が生じると、感情がどのように生じるかについて議論する。 自己生成的・動的目標に向けた行動を生成する本質的なモチベーションアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-07-29T06:53:13Z)
• Automatic Curriculum Learning through Value Disagreement [95.19299356298876]
  新しい未解決タスクを継続的に解決することが、多様な行動を学ぶための鍵です。 エージェントが複数の目標を達成する必要があるマルチタスク領域では、トレーニング目標の選択はサンプル効率に大きな影響を与える可能性がある。 そこで我々は,エージェントが解決すべき目標のための自動カリキュラムを作成することを提案する。 提案手法は,13のマルチゴールロボットタスクと5つのナビゲーションタスクにまたがって評価し,現在の最先端手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2020-06-17T03:58:25Z)

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。