論文の概要: Active Sensing Shapes Real-World Decision-Making through Dynamic Evidence Accumulation

• arxiv url: http://arxiv.org/abs/2601.04214v1
• Date: Thu, 18 Dec 2025 05:45:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-11 18:48:17.621058
• Title: Active Sensing Shapes Real-World Decision-Making through Dynamic Evidence Accumulation
• Title（参考訳）: 動的エビデンス蓄積による実世界意思決定のためのアクティブセンシング形状
• Authors: Hongliang Lu, Yunmeng Liu, Junjie Yang,
• Abstract要約: 人間の意思決定には、外部の証拠を内部の精神的信念に変換することが含まれる。 実世界の証拠を形式化し、眼球運動によるアクティブセンシングを捉えるための認知スキームが提案されている。 その結果,個人が採用した証拠と注意力との間には負の相関関係が認められた。
• 参考スコア（独自算出の注目度）: 12.16606044951218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human decision-making heavily relies on active sensing, a well-documented cognitive behaviour for evidence gathering to accommodate ever-changing environments. However, its operational mechanism in the real world remains non-trivial. Currently, an in-laboratory paradigm, called evidence accumulation modelling (EAM), points out that human decision-making involves transforming external evidence into internal mental beliefs. However, the gap in evidence affordance between real-world contexts and laboratory settings hinders the effective application of EAM. Here we generalize EAM to the real world and conduct analysis in real-world driving scenarios. A cognitive scheme is proposed to formalize real-world evidence affordance and capture active sensing through eye movements. Empirically, our scheme can plausibly portray the accumulation of drivers' mental beliefs, explaining how active sensing transforms evidence into mental beliefs from the perspective of information utility. Also, our results demonstrate a negative correlation between evidence affordance and attention recruited by individuals, revealing how human drivers adapt their evidence-collection patterns across various contexts. Moreover, we reveal the positive influence of evidence affordance and attention distribution on decision-making propensity. In a nutshell, our computational scheme generalizes EAM to real-world contexts and provides a comprehensive account of how active sensing underlies real-world decision-making, unveiling multifactorial, integrated characteristics in real-world decision-making.
• Abstract（参考訳）: 人間の意思決定は、絶え間なく変化する環境に対応するための証拠収集のためのよく文書化された認知行動であるアクティブセンシングに大きく依存している。 しかし、実世界での運用の仕組みはいまだに簡単ではない。 現在、エビデンス累積モデリング(EAM)と呼ばれる非協力的なパラダイムは、人間の意思決定が外部の証拠を内部の精神的信念に転換するものであることを指摘している。 しかし、現実世界の文脈と実験室の設定の証拠の余裕の欠如は、EAMの効果的な適用を妨げる。 ここでは,EMAを現実世界に一般化し,実世界の運転シナリオで解析を行う。 実世界の証拠を形式化し、眼球運動によるアクティブセンシングを捉えるための認知スキームが提案されている。 実証的に,我々の手法は,情報ユーティリティの観点から,アクティブセンシングが証拠をメンタルな信念にどのように変換するかを説明することによって,ドライバーのメンタルな信念の蓄積を実証的に表現することができる。 また, 個人が採用するエビデンスと注意力の間には負の相関関係がみられ, さまざまな状況において, 人間のドライバーがエビデンス・コレクション・パターンにどのように適応するかが明らかになった。 さらに,証拠価値と注意分布が意思決定の妥当性に与える影響を明らかにした。 簡単に言えば、我々の計算手法はEMAを実世界の文脈に一般化し、アクティブセンシングが実世界の意思決定にどのように影響するかを包括的に説明し、実世界の意思決定における多因子的統合的な特徴を明らかにする。

関連論文リスト

• A Descriptive Model for Modelling Attacker Decision-Making in Cyber-Deception [0.0]
  本稿では,この決定を形作る心理的・戦略的要素を組み込んだ記述モデルを提案する。 このフレームワークは、サイバー詐欺シナリオにおけるエンゲージメント決定を分析するための構造化された方法を提供する。
  論文  参考訳（メタデータ） (2025-12-03T10:23:33Z)
• DeceptionBench: A Comprehensive Benchmark for AI Deception Behaviors in Real-world Scenarios [57.327907850766785]
  現実的な現実のシナリオにまたがる騙しのキャラクタリゼーションは未解明のままである。 DeceptionBenchは、さまざまなドメインにまたがる認知傾向を体系的に評価する最初のベンチマークです。 本研究は,本質的な側面から,ユーザ満足度を優先する自己関心のエゴスティックな傾向を示すモデルや,サイコファンティックな行動を示すモデルについて検討する。 実世界のフィードバックダイナミクスのより現実的なシミュレーションを構築するために,持続的マルチターン相互作用ループを組み込んだ。
  論文  参考訳（メタデータ） (2025-10-17T10:14:26Z)
• WoW: Towards a World omniscient World model Through Embodied Interaction [83.43543124512719]
  世界モデルの正当性的な物理的直観は、現実世界との広範囲で因果的に豊かな相互作用に基礎を置いていなければならない。 このWoWは、200万のロボットインタラクショントラジェクトリに基づいてトレーニングされた、ジェネレーティブな世界モデルである。 WoWBenchは、ビデオの物理的一貫性と因果推論に焦点を当てた新しいベンチマークである。
  論文  参考訳（メタデータ） (2025-09-26T17:59:07Z)
• Perception Graph for Cognitive Attack Reasoning in Augmented Reality [12.005631730339708]
  本稿では,拡張現実システム内での人間の知覚を推論する新しいモデルを提案する。 本モデルは,まずMR環境から重要な情報を解釈する人間の過程を模倣して動作する。 モデルが知覚歪みのレベルを反映した定量的スコアを計算する方法を示す。
  論文  参考訳（メタデータ） (2025-08-30T20:48:32Z)
• Emergent Active Perception and Dexterity of Simulated Humanoids from Visual Reinforcement Learning [69.71072181304066]
  本稿では,擬似ヒューマノイドを用いた視覚駆動全身制御フレームワークであるPerceptive Dexterous Control (PDC)を紹介する。 PDCは、タスク仕様のためのエゴセントリックなビジョンのみを運用し、ビジュアルキューによるオブジェクト検索、ターゲット配置、スキル選択を可能にする。 強化学習によるスクラッチからのトレーニングは,能動探索などの創発的な行動を引き起こす可能性があることを示す。
  論文  参考訳（メタデータ） (2025-05-18T07:33:31Z)
• Imagine, Verify, Execute: Memory-guided Agentic Exploration with Vision-Language Models [81.08295968057453]
  本稿では,人間の好奇心に触発されたエージェント探索フレームワークIVEを紹介する。 シミュレーションおよび実世界のテーブルトップ環境におけるIVEの評価を行った。
  論文  参考訳（メタデータ） (2025-05-12T17:59:11Z)
• Bridging Cognition and Emotion: Empathy-Driven Multimodal Misinformation Detection [56.644686934050576]
  ソーシャルメディアは情報発信の主流となっているが、誤報の急速な拡散を助長している。 従来の誤報検出法は主に表面的な特徴に焦点を合わせ、伝播過程における人間の共感の重要な役割を見落としている。 著者と読者の両方の視点から誤情報を分析するために、認知的・感情的共感を統合したデュアル・アスペクト・共感フレームワーク(DAE)を提案する。
  論文  参考訳（メタデータ） (2025-04-24T07:48:26Z)
• Emotion Recognition from the perspective of Activity Recognition [0.0]
  人間の感情状態、行動、反応を現実世界の環境に適応させることは、潜伏した連続した次元を用いて達成できる。 感情認識システムが現実のモバイルおよびコンピューティングデバイスにデプロイされ統合されるためには、世界中の収集されたデータを考慮する必要がある。 本稿では,注目機構を備えた新しい3ストリームエンドツーエンドのディープラーニング回帰パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-24T18:53:57Z)
• CogReact: A Reinforced Framework to Model Human Cognitive Reaction Modulated by Dynamic Intervention [11.149593958041937]
  本研究では,人間の認知過程に対する動的環境刺激の微粒化効果をシミュレートするために,ドリフト拡散と深部強化学習を統合したCogReactを提案する。 認知過程に対する環境刺激の時間的効果を考慮し、認知モデルを改善し、主観的・刺激特異的な行動差を捉える。 全体として、動的コンテキストにおける人間の認知応答の相違をシミュレートし、一致させ、理解するための、強力でデータ駆動の方法論を示します。
  論文  参考訳（メタデータ） (2023-01-15T23:46:37Z)
• On the Sensory Commutativity of Action Sequences for Embodied Agents [2.320417845168326]
  群論の数学的形式論に基づくエンボディエージェントの知覚について検討する。 本稿では,エージェントの自由度が環境に与える影響を計測する感覚コミュニケーション確率基準を提案する。 本研究では,SCPと行動系列の可換性を用いて環境中の物体を学習する方法を実証的に説明する。
  論文  参考訳（メタデータ） (2020-02-13T16:58:23Z)

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。