論文の概要: Minimal Embodiment Enables Efficient Learning of Number Concepts in Robot

• arxiv url: http://arxiv.org/abs/2604.11373v1
• Date: Mon, 13 Apr 2026 12:14:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.521165
• Title: Minimal Embodiment Enables Efficient Learning of Number Concepts in Robot
• Title（参考訳）: ロボットにおける数概念の効率的な学習を可能にするミニマルエンボディメント
• Authors: Zhegong Shangguan, Alessandro Di Nuovo, Angelo Cangelosi,
• Abstract要約: 知的なシステムが感覚運動経験から抽象的な数値概念をいかに獲得するかは、認知科学と人工知能の基本的な課題である。 本稿では,フランカ・パンダのマニピュレータを用いた自然主義的ロボット操作による逐次カウントを行うニューラルネットワークモデルを用いて,具体的数値学習について検討する。 具現化モデルはトレーニングデータのわずか10%で96.8%の精度を達成しているのに対し、視覚のみのベースラインでは60.6%である。
• 参考スコア（独自算出の注目度）: 44.96166832110118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots are increasingly entering human-interactive scenarios that require understanding of quantity. How intelligent systems acquire abstract numerical concepts from sensorimotor experience remains a fundamental challenge in cognitive science and artificial intelligence. Here we investigate embodied numerical learning using a neural network model trained to perform sequential counting through naturalistic robotic interaction with a Franka Panda manipulator. We demonstrate that embodied models achieve 96.8\% counting accuracy with only 10\% of training data, compared to 60.6\% for vision-only baselines. This advantage persists when visual-motor correspondences are randomized, indicating that embodiment functions as a structural prior that regularizes learning rather than as an information source. The model spontaneously develops biologically plausible representations: number-selective units with logarithmic tuning, mental number line organization, Weber-law scaling, and rotational dynamics encoding numerical magnitude ($r = 0.97$, slope $= 30.6°$/count). The learning trajectory parallels children's developmental progression from subset-knowers to cardinal-principle knowers. These findings demonstrate that minimal embodiment can ground abstract concepts, improve data efficiency, and yield interpretable representations aligned with biological cognition, which may contribute to embodied mathematics tutoring and safety-critical industrial applications.
• Abstract（参考訳）: ロボットは、量を理解する必要のある人間と対話するシナリオにますます入り込んできている。 知的なシステムが感覚運動経験から抽象的な数値概念をいかに獲得するかは、認知科学と人工知能の基本的な課題である。 本稿では,フランカ・パンダのマニピュレータを用いた自然主義的ロボット操作による逐次カウントを行うニューラルネットワークモデルを用いて,具体的数値学習について検討する。 具現化モデルでは、トレーニングデータのわずか10倍の精度で96.8倍の精度を達成でき、視覚のみのベースラインでは60.6倍の精度を達成できることを示した。 この利点は、視覚と運動の対応がランダム化されると持続し、具体化が情報ソースとしてではなく学習を規則化する構造的事前として機能することを示す。 このモデルは、対数的チューニングを持つ数選択単位、メンタルナンバーラインの組織、Weber-lawスケーリング、数値を符号化する回転力学(r = 0.97$, slope $= 30.6°$/count)など、生物学的に妥当な表現を自然に発達させる。 学習軌跡は, 子どもの発達過程を, サブセット知識者から基本知識者へ反映させるものである。 これらの結果から,最小の実施が抽象概念の基盤となり,データ効率が向上し,生物学的認知と整合した解釈可能な表現が得られることが示唆された。

関連論文リスト

• Learning Causal Structure Distributions for Robust Planning [53.753366558072806]
  構造情報の不確実性を考慮しながら,機能的関係を学習することで,より堅牢な力学モデルがもたらされることがわかった。 これは、因果構造を無視し、ロボットシステムにおける相互作用の空間性を活用するのに失敗する一般的なモデル学習手法とは対照的である。 本稿では,本モデルを用いてロボットの力学を学習し,新しい環境下での新たな作業を行うためのサンプリング・ベース・プランナーを併用することを提案する。
  論文  参考訳（メタデータ） (2025-08-08T22:43:17Z)
• Imperative Learning: A Self-supervised Neuro-Symbolic Learning Framework for Robot Autonomy [31.818923556912495]
  我々は,ロボット自律のための自己教師型ニューロシンボリック(NeSy)計算フレームワーク,インペラティブラーニング(IL)を導入する。 ILを2段階最適化(BLO)として定式化し、3つのモジュール間の相互学習を可能にする。 ILはロボットの自律性を大幅に向上させ、多様な領域にわたるさらなる研究を促進することを期待している。
  論文  参考訳（メタデータ） (2024-06-23T12:02:17Z)
• Understanding Activation Patterns in Artificial Neural Networks by Exploring Stochastic Processes [0.0]
  我々はこれまで未利用であったプロセスの枠組みを活用することを提案する。 我々は、実際のニューロンスパイク列車に使用される神経科学技術を活用した、アクティベーション周波数のみに焦点をあてる。 各ネットワークにおけるアクティベーションパターンを記述するパラメータを導出し、アーキテクチャとトレーニングセット間で一貫した差異を明らかにする。
  論文  参考訳（メタデータ） (2023-08-01T22:12:30Z)
• Redundancy and Concept Analysis for Code-trained Language Models [5.726842555987591]
  コード学習言語モデルは、様々なコードインテリジェンスタスクに非常に効果的であることが証明されている。 計算ボトルネックとメモリ制約のため、多くのソフトウェアエンジニアリングアプリケーションのトレーニングとデプロイが難しい場合がある。 我々は,ソースコードモデルに対する最初のニューロンレベルの解析を行い,潜在表現内でのテクスチエントニューロンの同定を行う。
  論文  参考訳（メタデータ） (2023-05-01T15:22:41Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Malicious Network Traffic Detection via Deep Learning: An Information Theoretic View [0.0]
  本研究では,ホメオモルフィズムがマルウェアのトラフィックデータセットの学習表現に与える影響について検討する。 この結果から,学習された表現の詳細と,すべてのパラメータの多様体上で定義された特定の座標系は,関数近似とは全く異なることが示唆された。
  論文  参考訳（メタデータ） (2020-09-16T15:37:44Z)
• A robot that counts like a child: a developmental model of counting and pointing [69.26619423111092]
  実物を数えることができる新しい神経ロボティクスモデルを導入する。 このモデルにより,エンボディメントと数値認識の相互作用を調べることができる。 トレーニングされたモデルは、アイテムのセットをカウントすることができ、同時にそれらを指し示します。
  論文  参考訳（メタデータ） (2020-08-05T21:06:27Z)
• Neural Additive Models: Interpretable Machine Learning with Neural Nets [77.66871378302774]
  ディープニューラルネットワーク(DNN)は、さまざまなタスクにおいて優れたパフォーマンスを達成した強力なブラックボックス予測器である。 本稿では、DNNの表現性と一般化した加法モデルの固有知性を組み合わせたニューラル付加モデル(NAM)を提案する。 NAMは、ニューラルネットワークの線形結合を学び、それぞれが単一の入力機能に付随する。
  論文  参考訳（メタデータ） (2020-04-29T01:28:32Z)
• A Developmental Neuro-Robotics Approach for Boosting the Recognition of Handwritten Digits [91.3755431537592]
  近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。 本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
  論文  参考訳（メタデータ） (2020-03-23T14:55:00Z)

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。