論文の概要: Estimating cognitive biases with attention-aware inverse planning

• arxiv url: http://arxiv.org/abs/2510.25951v1
• Date: Wed, 29 Oct 2025 20:50:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.566722
• Title: Estimating cognitive biases with attention-aware inverse planning
• Title（参考訳）: 注意認識逆計画による認知バイアスの推定
• Authors: Sounak Banerjee, Daphne Cornelisse, Deepak Gopinath, Emily Sumner, Jonathan DeCastro, Guy Rosman, Eugene Vinitsky, Mark K. Ho,
• Abstract要約: 人々の目標指向の行動は、認知バイアスの影響を受けます。 逆計画においては、その行動から注意バイアスを推定することが目的である。 本稿では,深層強化学習と計算認知モデルを組み合わせた注意認識逆計画手法を提案する。
• 参考スコア（独自算出の注目度）: 9.400837486470015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: People's goal-directed behaviors are influenced by their cognitive biases, and autonomous systems that interact with people should be aware of this. For example, people's attention to objects in their environment will be biased in a way that systematically affects how they perform everyday tasks such as driving to work. Here, building on recent work in computational cognitive science, we formally articulate the attention-aware inverse planning problem, in which the goal is to estimate a person's attentional biases from their actions. We demonstrate how attention-aware inverse planning systematically differs from standard inverse reinforcement learning and how cognitive biases can be inferred from behavior. Finally, we present an approach to attention-aware inverse planning that combines deep reinforcement learning with computational cognitive modeling. We use this approach to infer the attentional strategies of RL agents in real-life driving scenarios selected from the Waymo Open Dataset, demonstrating the scalability of estimating cognitive biases with attention-aware inverse planning.
• Abstract（参考訳）: 人々の目標指向の行動は認知バイアスの影響を受けており、人と対話する自律システムはそれに気付くべきである。 例えば、環境内のオブジェクトに対する人々の注意は、仕事への運転などの日常的なタスクの実施方法に体系的に影響を及ぼす方法でバイアスを受けます。 ここでは,コンピュータ認知科学における最近の研究に基づいて,その行動から注意バイアスを推定することを目的とした,注意を意識した逆計画問題を明確に述べる。 本研究では、標準的な逆強化学習と、注意を意識した逆計画が体系的にどう異なるか、また、認知バイアスが行動からどのように推測されるかを示す。 最後に,深層強化学習と計算認知モデルを組み合わせた注意認識逆計画手法を提案する。 提案手法は,Waymo Open Datasetから選択した実生活運転シナリオにおけるRLエージェントの注意戦略を推定し,注意を意識した逆計画による認知バイアス推定のスケーラビリティを実証する。

関連論文リスト

• Think Socially via Cognitive Reasoning [94.60442643943696]
  本稿では,人間の社会的認知をモデルとした認知推論について紹介する。 CogFlowは、この機能をLLMに組み込む完全なフレームワークである。
  論文  参考訳（メタデータ） (2025-09-26T16:27:29Z)
• Auto Detecting Cognitive Events Using Machine Learning on Pupillary Data [0.0]
  瞳孔の大きさは認知作業負荷の貴重な指標であり、自律神経系によって支配される注意の変化と覚醒を反映している。 本研究では、機械学習を用いて個人が経験した認知イベントを自動的に検出する可能性について検討する。
  論文  参考訳（メタデータ） (2024-10-18T04:54:46Z)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Attention is all they need: Cognitive science and the (techno)political economy of attention in humans and machines [0.0]
  本稿では,認知科学とテクノ・政治経済学の枠組みにおける「意識経済」を批判的に分析する。 我々は、現在のビジネスモデル、特にデジタルプラットフォーム資本主義において、戦略的に注意パターンを形作ることによって、ユーザエンゲージメントをどのように活用するかを考察する。
  論文  参考訳（メタデータ） (2024-05-10T13:53:46Z)
• LEADER: Learning Attention over Driving Behaviors for Planning under Uncertainty [20.408934362272163]
  人間の行動の不確実性は、混雑した都市環境での自動運転に重大な課題をもたらす。 本稿では,計画中の重要な人間の行動への参加を学習するアルゴリズムとして,運転中のbEhavioRsに対する学習注意(LEarning Attention over Driving)を提案する。
  論文  参考訳（メタデータ） (2022-09-23T05:42:04Z)
• Personalized Detection of Cognitive Biases in Actions of Users from Their Logs: Anchoring and Recency Biases [9.445205340175555]
  私たちは2つの認知バイアス – アンカーとリリーン – に焦点を当てています。 コンピュータ科学における認知バイアスの認識は、主に情報検索の領域にある。 我々は、ユーザの行動のWebログからこれらの2つの認知バイアスを検出するために、機械学習と共に原則化されたアプローチを提供する。
  論文  参考訳（メタデータ） (2022-06-30T08:51:15Z)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• 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)

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。