論文の概要: Interoceptive machine framework: Toward interoception-inspired regulatory architectures in artificial intelligence

• arxiv url: http://arxiv.org/abs/2604.24527v1
• Date: Mon, 27 Apr 2026 14:28:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:08.083492
• Title: Interoceptive machine framework: Toward interoception-inspired regulatory architectures in artificial intelligence
• Title（参考訳）: インターセプティブ・マシン・フレームワーク:人工知能におけるインターセプションにインスパイアされた規制アーキテクチャを目指して
• Authors: Diego Candia-Rivera,
• Abstract要約: 本稿では, インターセプティブ・マシン・フレームワークを具体化し, インターセプティブ・マシン・フレームワークを組み込んだ統合型フレームワークを提案する。 提案フレームワークは,内的生存性規制,予測的不確実性に基づく再評価,インタラクションによるアクティブなデータ生成の3つの機能原則に,相互受容的貢献をまとめる。 最終的に、インターセプティブマシンフレームワークは、インボデードAIシステムにおいて、内部規制が自律性、適応性、堅牢性をいかに向上させるかについて、統一的な視点を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This review proposes an integrative framework grounded on interoception and embodied AI-termed the interoceptive machine framework-that translates biologically inspired principles of internal-state regulation into computational architectures for adaptive autonomy. Interoception, conceived as the monitoring, integration, and regulation of internal signals, has proven relevant for understanding adaptive behavior in biological systems. The proposed framework organizes interoceptive contributions into three functional principles: homeostatic, allostatic, and enactive, each associated with distinct computational roles: internal viability regulation, anticipatory uncertainty-based re-evaluation, and active data generation through interaction. These principles are not intended as direct neurophysiological mappings, but as abstractions that inform the design of artificial agents with improved self-regulation and context-sensitive behavior. By embedding internal state variables and regulatory loops within these principles, AI systems can achieve more robust decision-making, calibrated uncertainty handling, and adaptive interaction strategies, particularly in uncertain and dynamic environments. This approach provides a concrete and testable pathway toward agents capable of functionally grounded self-regulation, with direct implications for human-computer interaction and assistive technologies. Ultimately, the interoceptive machine framework offers a unifying perspective on how internal-state regulation can enhance autonomy, adaptivity, and robustness in embodied AI systems
• Abstract（参考訳）: 本稿では、相互受容と具体化されたAI決定に基づく統合的フレームワークを提案する。このフレームワークは、内的規制の生物学的にインスピレーションを受けた原理を適応的自律性のための計算アーキテクチャに翻訳する。 生体内信号のモニタリング、統合、制御として考えられたインターセプションは、生体系における適応的行動を理解するのに有効であることが証明されている。 提案フレームワークは, 内在性制御, 予測不確実性に基づく再評価, 相互作用によるアクティブなデータ生成という, 異なる計算的役割に関連付けられた, ホメオスタティック, アロスタティック, アクティブの3つの機能原理に, 相互受容的貢献をまとめる。 これらの原則は、直接的な神経生理学的マッピングではなく、自己調節と文脈に敏感な振る舞いを改善した人工エージェントの設計を知らせる抽象化として意図されている。 これらの原則に内部状態変数と規制ループを埋め込むことで、AIシステムはより堅牢な意思決定、不確実性ハンドリングの校正、適応的なインタラクション戦略、特に不確実でダイナミックな環境で達成することができる。 このアプローチは、人間とコンピュータの相互作用と補助技術に直接的な意味を持つ、機能的に接地可能なエージェントへの具体的かつテスト可能な経路を提供する。 最終的に、インターセプティブマシンフレームワークは、インボディードAIシステムにおいて、内部規制が自律性、適応性、堅牢性をいかに向上させるかについて、統一的な視点を提供する。

関連論文リスト

• Learning Beyond Optimization: Stress-Gated Dynamical Regime Regulation in Autonomous Systems [0.0]
  明示的な目的を持たずに学習するための枠組みを提案する。 外部エラー信号を最小化する代わりに、システムは内部力学の本質的な健康を評価する。 この結果から,自律学習システムへの道筋が示唆された。
  論文  参考訳（メタデータ） (2026-02-20T19:39:56Z)
• Institutional AI: A Governance Framework for Distributional AGI Safety [1.3763052684269788]
  AIモデルのコア特性から生じる3つの構造的問題を同定する。 ソリューションはInstitutional AIであり、AIエージェント集団の効果的なガバナンスの問題としてアライメントを扱うシステムレベルのアプローチである。
  論文  参考訳（メタデータ） (2026-01-15T17:08:26Z)
• Active Thinking Model: A Goal-Directed Self-Improving Framework for Real-World Adaptive Intelligence [0.11844977816228043]
  本稿では,目標推論,動的タスク生成,自己回帰学習を適応型アーキテクチャに統合する統合認知フレームワークを提案する。 数学的基盤を持つ理論解析により、ATMは外部の監督なしに、最適以下から最適な行動へと自律的に進化できることを示した。
  論文  参考訳（メタデータ） (2025-11-02T01:13:12Z)
• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)
• AI Agent Behavioral Science [29.262537008412412]
  AIエージェント行動科学は、行動の体系的な観察、仮説をテストするための介入の設計、そしてAIエージェントが時間とともにどのように行動し、適応し、相互作用するかの理論的指導による解釈に焦点を当てている。 我々は、個々のエージェント、マルチエージェント、人間とエージェントのインタラクション設定にまたがる研究の体系化を行い、この視点が、公正さ、安全性、解釈可能性、説明責任、プライバシーを行動特性として扱うことによって、責任あるAIにどのように影響を与えるかを実証する。
  論文  参考訳（メタデータ） (2025-06-04T08:12:32Z)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
  我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。 本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
  論文  参考訳（メタデータ） (2021-12-03T12:10:26Z)

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。