論文の概要: Embodiment Shapes Rolling Behavior in a Multimodal Infant Model
- arxiv url: http://arxiv.org/abs/2606.17456v1
- Date: Tue, 16 Jun 2026 03:18:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-17 17:15:32.236982
- Title: Embodiment Shapes Rolling Behavior in a Multimodal Infant Model
- Title（参考訳）: マルチモーダル乳幼児モデルにおける身体形状と転がり挙動
- Authors: Leon Philipp, Francisco M. López, Jochen Triesch,
- Abstract要約: ローリングオーバーは幼児の運動発達における最初期のマイルストーンの1つである。
前庭感覚と前庭感覚を備えた仮想乳幼児エンボディメントMIMOを用いた乳幼児転がりの計算的研究を行った。
- 参考スコア（独自算出の注目度）: 3.40533661316776
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rolling over is one of the earliest milestones in infant motor development, reflecting the emergence of coordinated, whole-body sensorimotor control. Here, we conduct a computational study of infant rolling using MIMo, a virtual infant embodiment equipped with proprioception and vestibular sensation. MIMo learns supine-to-prone rolls with reinforcement learning. Interestingly, the learned behaviors capture developmental trends and coordination patterns consistent with those reported in real infants, including improved performance and faster execution with age. Our results explain how infant capabilities and constraints can give rise to realistic behaviors in artificial agents, with a particular emphasis on how motor development is shaped by the changing body morphology. This work highlights the role of embodied computational models as a powerful tool for studying sensorimotor development.
- Abstract（参考訳）: ロールオーバーは乳児の運動発達における最初のマイルストーンの1つであり、調整された全身感覚運動器制御の出現を反映している。
そこで本研究では,前庭感覚と前庭感覚を具備した仮想乳幼児エンボディメントMIMoを用いた乳幼児転がりの計算的研究を行った。
MIMoは強化学習でスズメバチのロールを学習する。
興味深いことに、学習行動は、実際の幼児に報告された発達傾向や調整パターンを捉える。
以上の結果から、幼児の能力と制約が人工エージェントの現実的な行動を引き起こすかが説明され、特に運動の発達が身体形態の変化によってどのように形成されるかが強調された。
本研究は,感覚運動の発達を研究するための強力なツールとして,エンボディド・コンピューティング・モデルが果たす役割を強調する。
関連論文リスト
- Simulating Infant First-Person Sensorimotor Experience via Motion Retargeting from Babies to Humanoids [8.972726623469823]
身体的および仮想的ヒューマノイドを用いた幼児の感覚運動経験をシミュレーションするための枠組みを提案する。
再構成された動きを、物理的iCubロボットと仮想シミュレータpyCub、EMFANT、MIMoの2つの開発プラットフォームにマップする。
このフレームワークは、幼児の感覚運動の体験にユニークな窓を与え、ロボット工学、発達科学、神経発達障害の早期発見のための新しいツールを提供する。
論文 参考訳（メタデータ） (2026-04-30T08:37:46Z) - BabyVLM-V2: Toward Developmentally Grounded Pretraining and Benchmarking of Vision Foundation Models [69.84938298826121]
本稿では,幼児に触発された視覚言語モデリングのための開発基盤となるBabyVLM-V2を紹介する。
プレトレーニングセットは、縦型乳幼児中心の聴覚コーパスのキュレーションを最小化しつつ、カバー範囲を最大化する。
DevCV Toolboxは、先日リリースされたNIH Baby Toolboxのビジョン関連のすべての指標を、10のマルチモーダルタスクのベンチマークスイートに適合させる。
論文 参考訳（メタデータ） (2025-12-11T18:57:05Z) - Baby Sophia: A Developmental Approach to Self-Exploration through Self-Touch and Hand Regard [16.432856040952327]
本研究では,ロボットエージェントBaby Sophiaにおける自律的自己探索のための強化学習フレームワークを提案する。
エージェントは、幼児の好奇心を駆使した自身の身体の探索を模した本質的な報酬を通じて、自己触知と自尊心の行動を学ぶ。
論文 参考訳（メタデータ） (2025-11-12T20:37:33Z) - A computational model of infant sensorimotor exploration in the mobile paradigm [13.666777211441286]
移動パラダイム」における幼児の行動を決定するメカニズムの計算モデルを提案する。
このパラダイムでは、移動体は幼児の四肢の1つに接続され、幼児はその「接続された」四肢を優先的に移動させる。
本モデルでは, ニューラルネットワーク, アクションアウトカム予測, 探索, 運動騒音, 望ましい活動レベル, 生物学的にインスパイアされた運動制御が組み込まれている。
論文 参考訳（メタデータ） (2025-04-24T21:02:06Z) - Learning Developmental Age from 3D Infant Kinetics Using Adaptive Graph Neural Networks [2.2279946664123664]
Kinetic Age(KA)は、運動パターンに基づいて幼児の年齢を予測することによって、神経発達の成熟度を定量化するデータ駆動の指標である。
本手法は乳児の3次元映像記録を利用してポーズ推定を行い,解剖学的ランドマークの抽出・時間的時系列を抽出する。
これらのデータは適応的なグラフ畳み込みネットワークを用いてモデル化され、幼児運動における検出時間依存性を捉えることができる。
論文 参考訳（メタデータ） (2024-02-22T09:34:48Z) - Persistent-Transient Duality: A Multi-mechanism Approach for Modeling
Human-Object Interaction [58.67761673662716]
人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。
人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。
本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
論文 参考訳（メタデータ） (2023-07-24T12:21:33Z) - A Few-shot Learning Graph Multi-Trajectory Evolution Network for
Forecasting Multimodal Baby Connectivity Development from a Baseline
Timepoint [53.73316520733503]
本稿では,教師-学生パラダイムを取り入れたグラフ多目的進化ネットワーク(GmTE-Net)を提案する。
これは、脳グラフ多軌道成長予測に適した最初の教師学生アーキテクチャである。
論文 参考訳（メタデータ） (2021-10-06T08:26:57Z) - Backprop-Free Reinforcement Learning with Active Neural Generative
Coding [84.11376568625353]
動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。
我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。
我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
論文 参考訳（メタデータ） (2021-07-10T19:02:27Z) - Bidirectional Interaction between Visual and Motor Generative Models
using Predictive Coding and Active Inference [68.8204255655161]
本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。
我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
論文 参考訳（メタデータ） (2021-04-19T09:41:31Z) - Continual Developmental Neurosimulation Using Embodied Computational Agents [0.0]
神経系の形態形成, 発達学習, 可塑性の関連現象のブリッジングにおける発達軌跡の役割を考察することができる。
我々のアプローチは発達的実施と密に統合されており、発達的ブレイテンベルク車両(dBV)と呼ばれる種類のエージェントを用いて実装することができる。
dBVは、体、センサー、エフェクター、神経システムなど、エージェントベースのシステムへと変貌する、未定義の構造の集合として、自らの生活を始める。
論文 参考訳（メタデータ） (2021-03-07T07:22:49Z) - 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。