論文の概要: Continuous Cognitive Coverage for Autonomous Robots via Event-Dependent Cognitive Treatment and Learning

• arxiv url: http://arxiv.org/abs/2609.04770v1
• Date: Fri, 04 Sep 2026 06:05:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.928056
• Title: Continuous Cognitive Coverage for Autonomous Robots via Event-Dependent Cognitive Treatment and Learning
• Title（参考訳）: 事象依存型認知処理と学習による自律ロボットの連続的認知被覆
• Abstract要約: 本稿では,自律型ロボットのための継続的認知カバレッジフレームワークを提案する。 認知的に認められたすべての出来事は、その状態、状況、そして歴史に応じて、イベント依存の認知治療が割り当てられる。 実験では96.76%の構造化された処理精度、93.66%の自動処理、92.64%の認知的カバレッジ、79.53%の連続学習関節の精度が達成されている。
• 参考スコア（独自算出の注目度）: 0.11844977816228043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous robots continuously encounter objects, changes, and situations, and every event admitted into cognition should receive an appropriate cognitive treatment rather than remain untreated until an explicit task requires attention. However, existing task-driven, reactive, or fixed-reasoning approaches generally process only selected events or apply predefined reasoning procedures, making it difficult to provide continuous cognitive coverage with differentiated treatment. This paper proposes a continuous cognitive coverage framework in which every cognitively admitted event is assigned an event-dependent cognitive treatment according to its state, context, and history. Different events may therefore invoke description, memory, risk prediction, planning, diagnosis, analogy, or other learned treatments. Familiar events can be processed automatically by learned mechanisms, whereas unfamiliar or uncertain events invoke explicit deliberation or fallback reasoning. Multiple cognitive processes can be suspended, resumed, and interleaved so that cognitive processing continues as new events arrive or existing events await evidence. Validated experiences are continuously learned to automate, refine, and revise event-specific treatments. Experiments achieve 96.76% structured treatment accuracy with 93.66% automatic processing, 92.64% cognitive coverage under bursty-delayed workloads, and 79.53% continual-learning joint accuracy, with novel-event reuse reaching 100% automatic processing.
• Abstract（参考訳）: 自律型ロボットは、オブジェクト、変化、状況に継続的に遭遇し、認知に認められたすべての事象は、明示的なタスクが注意を要するまで未処理のままであるよりも、適切な認知治療を受けるべきである。 しかしながら、既存のタスク駆動、リアクティブ、あるいは固定推論アプローチは一般的に、選択されたイベントのみを処理したり、事前に定義された推論手順を適用したりする。 本稿では,認知に認められたイベントが,その状態,文脈,履歴に応じて,イベント依存の認知治療を付与する,継続的な認知カバレッジフレームワークを提案する。 したがって、異なる事象は説明、記憶、リスク予測、計画、診断、アナロジー、その他の学習された治療を呼び起こす可能性がある。 慣れ親しんだ出来事は学習されたメカニズムによって自動的に処理されるが、馴染みのない出来事や不確実な出来事は明示的な熟考やフォールバック推論を引き起こす。 複数の認知プロセスは停止、再開、インターリーブされ、新しいイベントが到着したり、既存のイベントが証拠を待っているときに認知処理が継続される。 検証済みの経験は、イベント固有の治療を自動化、洗練、修正するために継続的に学習される。 実験では96.76%の構造化された処理精度、93.66%のオートプロセッシング、92.64%の認知的カバレッジ、79.53%の継続学習連成精度、100%の自動プロセッシングを達成している。

関連論文リスト

• Informal Learning Emerges in Everyday Human-LLM Interaction [74.53081471113929]
  日常の人間とLLMの相互作用は、非公式学習の計測可能、選択的、条件付き行動シグネチャを含むことを示す。 彼らはAI評価を、回答提供効率から、ユーザが推論し、テストし、理解を構築するための認知機会の保存へとシフトする。
  論文  参考訳（メタデータ） (2026-07-20T07:56:41Z)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• Auto Detecting Cognitive Events Using Machine Learning on Pupillary Data [0.0]
  瞳孔の大きさは認知作業負荷の貴重な指標であり、自律神経系によって支配される注意の変化と覚醒を反映している。 本研究では、機械学習を用いて個人が経験した認知イベントを自動的に検出する可能性について検討する。
  論文  参考訳（メタデータ） (2024-10-18T04:54:46Z)
• Unmixing Noise from Hawkes Process to Model Learned Physiological Events [10.070697447427174]
  この研究は、イベントにおける時間構造の共同学習に対処する新しいアプローチであるUNHaPを導入している。 イベント検出出力を構造化イベントと非構造化イベントの混合として扱うことで、UNHaPは効率的にこれらのプロセスを解き、パラメータを推定する。
  論文  参考訳（メタデータ） (2024-06-17T09:57:48Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Consciousness is entailed by compositional learning of new causal structures in deep predictive processing systems [0.0]
  人間では、そのような学習は特定の宣言的記憶形成を含み、意識と密接に関連している。 予測できない推論の階層的バインディングを通じて、オンラインで単例の新たな構造学習を追加することで予測処理を拡張する。 本提案では, 特徴結合, 繰り返し処理, 予測処理, 意識のグローバルな理論を自然に統一する。
  論文  参考訳（メタデータ） (2023-01-17T17:06:48Z)
• Memory-Augmented Theory of Mind Network [59.9781556714202]
  社会的推論は、心の理論(ToM)の能力を必要とする。 ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。 我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。 この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
  論文  参考訳（メタデータ） (2023-01-17T14:48:58Z)
• Error-related Potential Variability: Exploring the Effects on Classification and Transferability [3.6930948691311016]
  エラー関連電位(ErrPs)は、誤った事象を犯したり観察したりする際に引き起こされる特定の脳信号である。 ErrPは、他の脳信号、生物学的ノイズ、外部ノイズと組み合わせられるため、例によって異なる。 近年の研究では、ErrPの変化に寄与する認識、実施、予測可能性などの認知過程が明らかにされている。
  論文  参考訳（メタデータ） (2023-01-16T18:39:18Z)
• Medical Dead-ends and Learning to Identify High-risk States and Treatments [7.821495984906274]
  状態空間のデッドエンドの可能性を特定する、本質的に異なるアプローチを導入します。 集中治療室の患者の状態に焦点をあて, 医療死亡者」は, 将来的な治療シーケンスによらず, 患者が退院することを示す。
  論文  参考訳（メタデータ） (2021-10-08T15:13:20Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。