論文の概要: Egocentric Visual Navigation through Hippocampal Sequences

• arxiv url: http://arxiv.org/abs/2510.09951v1
• Date: Sat, 11 Oct 2025 01:38:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.710503
• Title: Egocentric Visual Navigation through Hippocampal Sequences
• Title（参考訳）: 海馬列によるエゴセントリックな視覚ナビゲーション
• Authors: Xiao-Xiong Lin, Yuk Hoi Yiu, Christian Leibold,
• Abstract要約: 海馬の配列は内因性リカレント回路から発生し, 容易に入力できなくても活動が伝播することを示す。 我々は神経生物学にインスパイアされた最小のシーケンスジェネレータを実装し、エゴセントリックな視覚ナビゲーションのためのアクター批判学習者と組み合わせる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequential activation of place-tuned neurons in an animal during navigation is typically interpreted as reflecting the sequence of input from adjacent positions along the trajectory. More recent theories about such place cells suggest sequences arise from abstract cognitive objectives like planning. Here, we propose a mechanistic and parsimonious interpretation to complement these ideas: hippocampal sequences arise from intrinsic recurrent circuitry that propagates activity without readily available input, acting as a temporal memory buffer for extremely sparse inputs.We implement a minimal sequence generator inspired by neurobiology and pair it with an actor-critic learner for egocentric visual navigation. Our agent reliably solves a continuous maze without explicit geometric cues, with performance depending on the length of the recurrent sequence. Crucially, the model outperforms LSTM cores under sparse input conditions (16 channels, ~2.5% activity), but not under dense input, revealing a strong interaction between representational sparsity and memory architecture.In contrast to LSTM agents, hidden sequence units develop localized place fields, distance-dependent spatial kernels, and task-dependent remapping, while inputs orthogonalize and spatial information increases across layers. These phenomena align with neurobiological data and are causal to performance. Together, our results show that sparse input synergizes with sequence-generating dynamics, providing both a mechanistic account of place cell sequences in the mammalian hippocampus and a simple inductive bias for reinforcement learning based on sparse egocentric inputs in navigation tasks.
• Abstract（参考訳）: ナビゲーション中の動物の位置調整ニューロンの連続的な活性化は、典型的には、軌道に沿った隣接位置からの入力のシーケンスを反映していると解釈される。 このような場所細胞に関する最近の理論は、計画のような抽象的な認知的目的からシーケンスが生じることを示唆している。 本稿では,これらの概念を補完する機械的・擬似的な解釈を提案する。海馬配列は,容易に入力が得られない動作を伝播する内在的リカレント回路から発生し,極端にスパースな入力のための時間記憶バッファとして機能し,神経生物学にヒントを得た最小のシーケンス生成装置を実装し,それをアクター・クリティカルな学習者と組み合わせてエゴセントリックな視覚ナビゲーションを実現する。 我々のエージェントは、連続的な迷路を明示的な幾何学的手がかりなく確実に解き、繰り返し列の長さによって性能が向上する。 LSTMエージェントとは対照的に、隠されたシーケンスユニットは局所的な場所フィールド、距離依存空間カーネル、タスク依存リマッピングを発達させ、入力は直交し、空間情報は層間で増加する。 これらの現象は神経生物学的データと一致し、パフォーマンスに因果関係がある。 以上の結果から,スパークス入力はスパークス入力とシークエンス生成のダイナミクスを相乗化することにより,哺乳類海馬における位置細胞配列の力学的記述と,ナビゲーションタスクにおけるスパースエゴセントリック入力に基づく強化学習のための単純な帰納的バイアスの両方を提供することを示した。

関連論文リスト

• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Revisiting Bi-Linear State Transitions in Recurrent Neural Networks [0.3218642352128729]
  両線形状態更新は、状態追跡タスクにおける隠れ状態の進化を表す自然な帰納バイアスとなることを示す。 また,両線形状態更新は,複雑性が増大する状態追跡タスクに対応する自然な階層を形成し,Mambaなどの線形リカレントネットワークがその階層の最低複雑度中心にあることを示す。
  論文  参考訳（メタデータ） (2025-05-27T20:38:19Z)
• 'Memory States' from Almost Nothing: Representing and Computing in a Non-associative Algebra [0.0]
  本稿では,高次元空間における情報項目の表現と計算のための非連想的フレームワークを提案する。 これは空間コンピューティングの原理と、記憶に関する認知科学の実証的な発見と一致している。
  論文  参考訳（メタデータ） (2025-05-13T08:43:02Z)
• Long Sequence Hopfield Memory [32.28395813801847]
  シーケンスメモリは、エージェントが複雑な刺激や行動のシーケンスをエンコードし、保存し、取り出すことを可能にする。 非線形相互作用項を導入し、パターン間の分離を強化する。 このモデルを拡張して、状態遷移間の変動タイミングでシーケンスを格納する。
  論文  参考訳（メタデータ） (2023-06-07T15:41:03Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Learning Sequence Representations by Non-local Recurrent Neural Memory [61.65105481899744]
  教師付きシーケンス表現学習のためのNon-local Recurrent Neural Memory (NRNM)を提案する。 我々のモデルは長距離依存を捉えることができ、潜伏した高レベル特徴を我々のモデルで抽出することができる。 我々のモデルは、これらのシーケンスアプリケーションごとに特別に設計された他の最先端の手法と比較して好意的に比較する。
  論文  参考訳（メタデータ） (2022-07-20T07:26:15Z)
• Improving Neural Predictivity in the Visual Cortex with Gated Recurrent Connections [0.0]
  我々は,腹側視覚ストリームのユビキタスな特徴である横方向のリカレント接続を考慮したアーキテクチャに焦点を移し,適応的受容場を創出することを目指している。 本研究は,我々のアプローチの堅牢性と活性化の生物学的忠実性を高めるために,特定のデータ拡張技術を用いている。
  論文  参考訳（メタデータ） (2022-03-22T17:27:22Z)
• Tensor Representations for Action Recognition [54.710267354274194]
  シーケンスにおける人間の行動は、空間的特徴とその時間的ダイナミクスの複雑な相互作用によって特徴づけられる。 アクション認識タスクの視覚的特徴間の高次関係を捉えるための新しいテンソル表現を提案する。 我々は,高次テンソルといわゆる固有値パワー正規化(NEP)を用いて,高次事象のスペクトル検出を行う。
  論文  参考訳（メタデータ） (2020-12-28T17:27:18Z)
• A Prospective Study on Sequence-Driven Temporal Sampling and Ego-Motion Compensation for Action Recognition in the EPIC-Kitchens Dataset [68.8204255655161]
  行動認識はコンピュータビジョンにおける最上位の研究分野の一つである。 エゴモーション記録シーケンスは重要な関連性を持つようになった。 提案手法は,このエゴモーションやカメラの動きを推定して対処することを目的としている。
  論文  参考訳（メタデータ） (2020-08-26T14:44:45Z)

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。