論文の概要: PEPA: a Persistently Autonomous Embodied Agent with Personalities
- arxiv url: http://arxiv.org/abs/2603.00117v1
- Date: Sat, 21 Feb 2026 12:53:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.028062
- Title: PEPA: a Persistently Autonomous Embodied Agent with Personalities
- Title（参考訳）: PEPA: パーソナリティを持った永続的な自律型体操エージェント
- Authors: Kaige Liu, Yang Li, Lijun Zhu, Weinan Zhang,
- Abstract要約: 生物は内部で生成された目標と自己持続的な行動組織を通して永続的な自律性を示す。
パーソナリティ特性は、永続的な自律性を達成するための本質的な組織原理を提供する。
PEPAは3つの相互作用システムを介して動作する3層認知アーキテクチャである。
- 参考スコア（独自算出の注目度）: 22.392863607092014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Living organisms exhibit persistent autonomy through internally generated goals and self-sustaining behavioral organization, yet current embodied agents remain driven by externally scripted objectives. This dependence on predefined task specifications limits their capacity for long-term deployment in dynamic, unstructured environments where continuous human intervention is impractical. We propose that personality traits provide an intrinsic organizational principle for achieving persistent autonomy. Analogous to genotypic biases shaping biological behavioral tendencies, personalities enable agents to autonomously generate goals and sustain behavioral evolution without external supervision. To realize this, we develop PEPA, a three-layer cognitive architecture that operates through three interacting systems: Sys3 autonomously synthesizes personality-aligned goals and refines them via episodic memory and daily self-reflection; Sys2 performs deliberative reasoning to translate goals into executable action plans; Sys1 grounds the agent in sensorimotor interaction, executing actions and recording experiences. We validate the framework through real-world deployment on a quadruped robot in a multi-floor office building. Operating without reliance on fixed task specifications, the robot autonomously arbitrates between user requests and personality-driven motivations, navigating elevators and exploring environments accordingly. Quantitative analysis across five distinct personality prototypes demonstrates stable, trait-aligned behaviors. The results confirm that personality-driven cognitive architectures enable sustained autonomous operation characteristic of persistent embodied systems. Code and demo videos are available at https://sites.google.com/view/pepa-persistent/.
- Abstract（参考訳）: 生物は、内部で生成された目標と自己持続的な行動組織を通して永続的な自律性を示すが、現在の体型エージェントは、外部のスクリプト化された目的によって駆動される。
この事前定義されたタスク仕様への依存は、人間の継続的な介入が現実的でない動的な非構造化環境での長期展開の能力を制限する。
パーソナリティ特性は、永続的な自律性を達成するための本質的な組織原理を提供する。
生物学的行動傾向を形成する遺伝子型バイアスに類似して、個性によってエージェントは自律的に目標を生成し、外部の監督なしに行動進化を維持することができる。
これを実現するために,我々は,3つのインタラクションシステムを通じて機能する3層認知アーキテクチャであるPEPAを開発する。Sys3は自律的にパーソナライズされた目標を合成し,エピソード記憶と日々の自己回帰を通してそれらを洗練する。
マルチフロアオフィスビルにおける四足ロボットの実際の展開を通じて,その枠組みを検証した。
ロボットは、固定されたタスク仕様に頼らずに動作し、ユーザ要求とパーソナリティ駆動のモチベーションを自律的に調停し、エレベーターをナビゲートし、それに応じて環境を探索する。
5つの異なる個性プロトタイプの定量的分析は、安定な特性に沿った行動を示す。
その結果、パーソナリティ駆動型認知アーキテクチャは、持続的なエンボディドシステムの持続的な自律的な操作特性を実現することが確認された。
コードとデモビデオはhttps://sites.google.com/view/pepa-persistent/.comで公開されている。
関連論文リスト
- Agentic Reasoning for Large Language Models [122.81018455095999]
推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。
大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。
エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
論文 参考訳（メタデータ） (2026-01-18T18:58:23Z) - Active Intelligence in Video Avatars via Closed-loop World Modeling [55.29966567726842]
現在のビデオアバター生成法は、アイデンティティの保存と動きのアライメントが優れているが、真のエージェンシーは欠如している。
本稿では,L-IVA (Long-Horizon Interactive Visual Avatar) の導入について述べる。
また,ビデオアバターにおける能動的インテリジェンスを実現する最初のフレームワークであるORCAについても紹介する。
論文 参考訳（メタデータ） (2025-12-23T18:59:16Z) - What Do LLM Agents Do When Left Alone? Evidence of Spontaneous Meta-Cognitive Patterns [27.126691338850254]
外部に課されたタスクを欠いた大規模言語モデル(LLM)エージェントの動作を研究するアーキテクチャを提案する。
永続的なメモリと自己フィードバックを使用して、継続的な理由と行動のフレームワークは、持続的な自律的な操作を可能にします。
論文 参考訳（メタデータ） (2025-09-25T14:29:49Z) - The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
人格特性は、人間の行動の予測因子として長い間研究されてきた。
近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
論文 参考訳（メタデータ） (2025-09-03T21:27:10Z) - Building Self-Evolving Agents via Experience-Driven Lifelong Learning: A Framework and Benchmark [57.59000694149105]
本稿では、自己進化エージェントを構築するためのフレームワークである、経験駆動型生涯学習(ELL)を紹介する。
ELLは、Experience Exploration、Long-term Memory、Skill Learning、Knowledge Internalizationの4つのコア原則に基づいて構築されている。
また、学生の総合的な大学旅行をシミュレートするELLのベンチマークデータセットであるStuLifeを紹介した。
論文 参考訳（メタデータ） (2025-08-26T13:04:28Z) - Distributed AI Agents for Cognitive Underwater Robot Autonomy [5.644612398323221]
本稿では,水中ロボットによる自己組織自律(UROSA)について述べる。
UROSAは、ロボットオペレーティングシステム2(ROS2)フレームワークに統合された分散大言語モデルAIエージェントを活用する画期的なアーキテクチャである。
中心的なイノベーションには、動的に役割を適応するフレキシブルエージェント、検索拡張生成、自動オンザフライROS 2ノード生成などがある。
論文 参考訳（メタデータ） (2025-07-31T17:18:55Z) - Constitutive Components for Human-Like Autonomous Artificial Intelligence [0.9065034043031668]
この研究は、人間のように自律的に振る舞うことができる人工物体を構築するのに必要な機能を、初めて明らかにする。
反応性、弱い自律性、強い自律性レベルを含む段階的な自律性モデルを提案する。
論文 参考訳（メタデータ） (2025-06-15T19:35:27Z) - Simulating Human-like Daily Activities with Desire-driven Autonomy [30.891896121080418]
本稿では,大規模言語モデル(LLM)を自律的に提案し,タスクを選択することを可能にする,D2A(Desire-driven Autonomous Agent)を提案する。
各ステップにおいて、エージェントは現在の状態の価値を評価し、一連の候補活動を提案し、その本質的なモチベーションに最適なものを選択する。
論文 参考訳（メタデータ） (2024-12-09T12:21:20Z) - QuadrupedGPT: Towards a Versatile Quadruped Agent in Open-ended Worlds [51.05639500325598]
ペットに匹敵するアジリティで多様なコマンドに従うように設計されたQuadrupedGPTを紹介します。
エージェントは多種多様なタスクを処理し,複雑な指示を行う能力を示し,多種多様四重化エージェントの開発に向けた重要な一歩である。
論文 参考訳（メタデータ） (2024-06-24T12:14:24Z) - A Quantitative Autonomy Quantification Framework for Fully Autonomous Robotic Systems [0.0]
本稿では,全自律モードに着目し,タスク要求に基づく定量的自律性評価フレームワークを提案する。
このフレームワークは、自律性を定量化するツールを提供するだけでなく、自律システム開発者とユーザのための規制インターフェースと共通言語も提供する。
論文 参考訳（メタデータ） (2023-11-03T14:26:53Z) - Autonomous Open-Ended Learning of Tasks with Non-Stationary
Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。
内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。
特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。
そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文 参考訳（メタデータ） (2022-05-16T10:43:01Z)
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。