論文の概要: Understanding Human Actions through the Lens of Executable Models
- arxiv url: http://arxiv.org/abs/2604.18064v1
- Date: Mon, 20 Apr 2026 10:33:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.810752
- Title: Understanding Human Actions through the Lens of Executable Models
- Title（参考訳）: 実行可能モデルのレンズによる人間の行動理解
- Authors: Rimvydas Rubavicius, Manisha Dubey, N. Siddharth, Subramanian Ramamoorthy,
- Abstract要約: 我々は,人間の動作を不特定な動作プログラムとして表現するドメイン固有言語 EXACT を導入する。
我々は、個々のポリシーを、構成モデリングにプログラム構造を用いる実行可能なニューロシンボリックモデルに結合する。
その結果,実行可能アクションモデルを使用することでデータ効率が向上し,モノリシックなタスク固有のアプローチと比較して動作間の直感的な関係を捉えることができた。
- 参考スコア（独自算出の注目度）: 15.793045896878395
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Human-centred systems require an understanding of human actions in the physical world. Temporally extended sequences of actions are intentional and structured, yet existing methods for recognising what actions are performed often do not attempt to capture their structure, particularly how the actions are executed. This, however, is crucial for assessing the quality of the action's execution and its differences from other actions. To capture the internal mechanics of actions, we introduce a domain-specific language EXACT that represents human motions as underspecified motion programs, interpreted as reward-generating functions for zero-shot policy inference using forward-backwards representations. By leveraging the compositional nature of EXACT motion programs, we combine individual policies into an executable neuro-symbolic model that uses program structure for compositional modelling. We evaluate the utility of the proposed pipeline for creating executable action models by analysing motion-capture data to understand human actions, for the tasks of human action segmentation and action anomaly detection. Our results show that the use of executable action models improves data efficiency and captures intuitive relationships between actions compared with monolithic, task-specific approaches.
- Abstract（参考訳）: 人間中心のシステムは、物理的な世界での人間の行動を理解する必要がある。
時間的に拡張されたアクションのシーケンスは意図的かつ構造化されているが、どのアクションが実行されるかを認識する既存のメソッドは、その構造、特にアクションがどのように実行されるかを捉えようとしないことが多い。
しかし、これは、アクションの実行の質と、他のアクションとの違いを評価するために重要である。
動作の内部力学を捉えるために,前向きの表現を用いたゼロショットポリシー推論のための報酬生成関数として解釈された,人間の動作を不特定な動作プログラムとして表現するドメイン固有言語EXACTを導入する。
EXACTモーションプログラムの合成特性を活用することで、個々のポリシーを合成モデリングにプログラム構造を用いる実行可能なニューロシンボリックモデルに組み合わせる。
本研究では,人間の行動のセグメンテーションと行動異常検出のタスクにおいて,人間の行動を理解するためにモーションキャプチャーデータを解析し,実行可能な行動モデルを作成するためのパイプラインの有用性を評価する。
その結果,実行可能アクションモデルを使用することでデータ効率が向上し,モノリシックなタスク固有のアプローチと比較して動作間の直感的な関係を捉えることができた。
関連論文リスト
- Joint Prediction of Human Motions and Actions in Human-Robot Collaboration [81.20389836121502]
我々は,人間の行動と行動の共役推定と予測のための階層的枠組みであるtextsfMA-HERPを紹介した。
本研究では, 筋骨格シミュレーションを用いて, 騒音下での正確な動き予測と頑健な動作推定を示す予備的な実験評価を行った。
論文 参考訳（メタデータ） (2026-04-03T14:40:07Z) - Humanoid Agent via Embodied Chain-of-Action Reasoning with Multimodal Foundation Models for Zero-Shot Loco-Manipulation [23.43820490179566]
Humanoid-COAはゼロショットロコ操作のためのエボディード・チェーン・オブ・アクション機構と基礎モデル推論を統合している。
我々のフレームワークは、操作、移動、およびロコ操作タスクにおいて、以前のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2025-04-13T11:37:32Z) - ThinkBot: Embodied Instruction Following with Thought Chain Reasoning [66.09880459084901]
EIF(Embodied Instruction following)は、複雑な環境下でオブジェクトを相互作用させることで、エージェントが人間の指示を完了させる。
我々は,人間の指導における思考連鎖を原因とした思考ボットを提案し,その不足した行動記述を復元する。
私たちのThinkBotは、成功率と実行効率の両面で、最先端のEIFメソッドよりも大きなマージンで優れています。
論文 参考訳（メタデータ） (2023-12-12T08:30:09Z) - Code Models are Zero-shot Precondition Reasoners [83.8561159080672]
シーケンシャルな意思決定タスクのために、コード表現を使ってアクションの前提条件を推論します。
本稿では,政策によって予測される行動が前提条件と一致していることを保証する事前条件対応行動サンプリング戦略を提案する。
論文 参考訳（メタデータ） (2023-11-16T06:19:27Z) - A Grammatical Compositional Model for Video Action Detection [24.546886938243393]
典型的なAnd-Orグラフに基づく行動検出のための新しい文法合成モデル(GCM)を提案する。
本モデルは,文法モデルの構成性とDNNのリッチな特徴を表現する能力の両面を活用するために,階層的な動作の固有構造と潜時的関係を利用する。
論文 参考訳（メタデータ） (2023-10-04T15:24:00Z) - Learning Intuitive Policies Using Action Features [7.260481131198059]
ネットワークアーキテクチャが意味的関係を利用する学習アルゴリズムの妥当性に与える影響について検討する。
観察と行動の卓越した表現を共同で処理する注意に基づくアーキテクチャは、直感的なポリシーを学ぶ上でより良い帰納的バイアスをもたらす。
論文 参考訳（メタデータ） (2022-01-29T20:54:52Z) - Procedure Planning in Instructional Videosvia Contextual Modeling and
Model-based Policy Learning [114.1830997893756]
本研究は,実生活ビデオにおける目標指向アクションを計画するモデルを学習することに焦点を当てる。
本研究では,ベイズ推論とモデルに基づく模倣学習を通して,人間の行動のモデル化を行う新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-10-05T01:06:53Z) - Learning to Abstract and Predict Human Actions [60.85905430007731]
ビデオにおける人間の活動の階層構造をモデル化し,行動予測におけるそのような構造の効果を実証する。
イベントの部分的階層を観察し、その構造を複数の抽象化レベルで将来の予測にロールアウトすることで、人間の活動の構造を学習できる階層型ニューラルネットワークであるHierarchical-Refresher-Anticipatorを提案する。
論文 参考訳（メタデータ） (2020-08-20T23:57:58Z) - Human Activity Recognition based on Dynamic Spatio-Temporal Relations [10.635134217802783]
1つの人間の行動の記述と、連続する人間の行動の進化のモデル化は、人間の活動認識における2つの主要な問題である。
これら2つの課題に対処する人間行動認識手法を開発した。
論文 参考訳（メタデータ） (2020-06-29T15:49:34Z)
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。