論文の概要: A Computational Implementation of a Goal-Directed Theory of Affect

• arxiv url: http://arxiv.org/abs/2609.06654v1
• Date: Sun, 06 Sep 2026 15:08:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.290574
• Title: A Computational Implementation of a Goal-Directed Theory of Affect
• Title（参考訳）: ゴール指向効果理論の計算的実装
• Abstract要約: 本稿では,GDT(Goal-Directed Theory, 目標指向理論)の初となる高忠実性計算実装について述べる。 この枠組みでは、インフェクトはポストホックラベルではなく、不一致検出と行動選択の間の相互作用から生じる機能的副産物である。 結果は、期待する「リフト」や失敗「クラッシュ」のような複雑な情緒的プロファイルが、ゴール不一致と行動選択予測の間の単純な相互作用から自然に現れることを示した。
• 参考スコア（独自算出の注目度）: 1.8499314936771558
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational modeling of emotion has long faced a tension between descriptive, "snapshot-based" appraisal models and granular, signal-driven architectures that often lack appropriate psychological grounding. This paper addresses this gap by presenting the first high-fidelity computational implementation of the Goal-Directed Theory (GDT) of affect. In this framework, affect is not a post-hoc label but a functional byproduct emerging from the continuous interplay between discrepancy detection and action selection within an agent's internal processing cycles. We evaluate the model through a series of principled simulations (Dice/Corridor tasks) designed to isolate affective signatures and dynamics during multi-step goal pursuit. Results demonstrate that complex affective profiles, like an anticipatory "lift" and a failure "crash", emerge naturally from simple interactions between goal-discrepancy and action-selection expectancies without requiring additional dedicated modules. By ensuring every computational component maps directly to components of the psychological theory, this work establishes a transparent, testable framework that enables a continuous "simulation-empiry" research loop. Our work contributes to moving the field beyond "black-box" heuristics toward a granular, mechanistic understanding of affect, integrated into the core of agent behavior.
• Abstract（参考訳）: 感情の計算的モデリングは、しばしば適切な心理的根拠を欠く粒状で信号駆動アーキテクチャーと説明的かつ「スナップショットに基づく」評価モデルの間の緊張に直面してきた。 本稿では,GDT(Goal-Directed Theory)の最初の高忠実度計算実装を提案することで,このギャップを解消する。 この枠組みでは、インフェクトはポストホックラベルではなく、エージェントの内部処理サイクルにおける不一致検出とアクション選択の間の連続的な相互作用から生じる機能的副産物である。 マルチステップゴール追従時の感情的シグネチャとダイナミクスを分離するための一連の原理的シミュレーション(Dice/Corridorタスク)を用いてモデルを評価する。 結果は、期待する「リフト」や失敗「クラッシュ」のような複雑な情緒的プロファイルは、追加の専用のモジュールを必要とせず、ゴールの達成と行動選択の予測の間の単純な相互作用から自然に現れることを示した。 すべての計算成分が心理的理論の構成要素に直接マップされることを保証することにより、この研究は、連続的な「模擬経験」研究ループを可能にする透明でテスト可能なフレームワークを確立する。 私たちの研究は、"ブラックボックス"ヒューリスティックスを超えて、エージェントの行動のコアに統合された、影響のきめ細かい機械的理解へと、フィールドを移動させることに貢献しています。

関連論文リスト

• Learning to Watch: Active Video Anomaly Understanding via Interleaved Policy Optimization [56.150184676745205]
  ビデオ異常理解(VAU)は、スパースでコンテキストに依存した手がかりに依存している。 本稿では,映像理解をアクティブな逐次意思決定プロセスとして再認識するクローズドループフレームワークである$Anomtext-$を提案する。 人間のビデオレビュー行動に触発されたこのフレームワークは、内部の認知的推論と戦略的エビデンスを、インターリーブされたポリシーに統一する。
  論文  参考訳（メタデータ） (2026-07-01T08:41:49Z)
• Where Black-box Drug-Target Interaction Prediction Models Look: Cross-Method Explainability [4.792942098478821]
  3つの異なるデータセット上でブリッジDPIアーキテクチャの解釈可能性監査を行う。 生の入力、橋梁類似性の足場、およびグラフ畳み込みによる感度と符号効果を要約する。 その結果,モデル批判として扱う場合,説明可能性が最も有益であることが示唆された。
  論文  参考訳（メタデータ） (2026-06-12T08:22:43Z)
• SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning [99.49739831030388]
  このインタフェースの設計は,オープンエンド空間推論のためのエージェントのキャパシティをいかに形作るかを検討する。 本研究では,アクションインタフェースとしてコードを採用する空間推論のためのトレーニングフリーフレームワークであるSpatialClawを提案する。
  論文  参考訳（メタデータ） (2026-06-11T17:59:36Z)
• From Perception to Action: An Interactive Benchmark for Vision Reasoning [51.11355591375073]
  Causal Hierarchy of Actions and Interactions (CHAIN)ベンチマークは、モデルが物理的制約に基づいて構造化されたアクションシーケンスを理解し、計画し、実行できるかを評価するために設計された。 CHAINは、受動的知覚からアクティブな問題解決、機械パズルのインターロックや3D積み重ね、パッキングといったタスクへと評価をシフトする。 以上の結果から,トップパフォーマンスモデルでは,物理構造や因果制約の内在化に苦慮し,信頼性の高い長期計画の作成に失敗することが多く,認識された構造を効果的に翻訳することができないことが示唆された。
  論文  参考訳（メタデータ） (2026-02-24T15:33:02Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• AgentZero++: Modeling Fear-Based Behavior [4.783433971864009]
  我々は,集団暴力をシミュレートするための認知,感情,社会的メカニズムを統合したエージェントベースモデルであるAgentZero++を提案する。 EpsteinのAgent_Zeroフレームワークをベースにして、8つの振る舞い拡張でオリジナルのモデルを拡張します。 これらの追加により、エージェントは内部の状態、以前の経験、社会的フィードバックに基づいて適応できる。
  論文  参考訳（メタデータ） (2025-10-05T22:33:56Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• Causal Analysis for Robust Interpretability of Neural Networks [0.2519906683279152]
  我々は、事前学習されたニューラルネットワークの因果効果を捉えるための頑健な介入に基づく手法を開発した。 分類タスクで訓練された視覚モデルに本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-15T18:37:24Z)
• Inference of Affordances and Active Motor Control in Simulated Agents [0.5161531917413706]
  本稿では,出力確率,時間的予測,モジュール型人工ニューラルネットワークアーキテクチャを提案する。 我々のアーキテクチャは、割当マップと解釈できる潜在状態が発達していることを示す。 アクティブな推論と組み合わせることで、フレキシブルでゴール指向の動作が実行可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-23T14:13:04Z)
• Tracking Emotions: Intrinsic Motivation Grounded on Multi-Level Prediction Error Dynamics [68.8204255655161]
  目標達成に向けての進捗率と期待率の差が生じると、感情がどのように生じるかについて議論する。 自己生成的・動的目標に向けた行動を生成する本質的なモチベーションアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-07-29T06:53:13Z)

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。