論文の概要: Predictive-Coding-Based Autonomous Regulation of Internally Generated and Externally Coupled Processing in Human-Robot Interaction
- arxiv url: http://arxiv.org/abs/2609.06888v1
- Date: Mon, 07 Sep 2026 00:22:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 02:12:15.565928
- Title: Predictive-Coding-Based Autonomous Regulation of Internally Generated and Externally Coupled Processing in Human-Robot Interaction
- Title（参考訳）: 予測符号化に基づく人間-ロボットインタラクションにおける内部および外部結合処理の自律的制御
- Abstract要約: 本研究では,人間-ロボット間相互作用における内部および外部結合処理を制御するための予測符号化に基づく機構を提案する。
我々は、このアーキテクチャを、最近のインタラクション履歴に蓄積された再構成エラーを利用したオンラインメカニズムで拡張し、事前に定義されたメタプライア・システマ間の選択を行う。
- 参考スコア（独自算出の注目度）: 0.5989925928850475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predictive coding characterizes adaptive behavior as a dynamic balance between internally generated predictions and external sensory evidence, yet how an embodied cognitive system can regulate this balance online during ongoing interaction remains poorly understood. This study proposes a predictive-coding-based mechanism for regulating internally generated and externally coupled processing during physical human--robot interaction. The framework employs a predictive-coding-inspired variational recurrent neural network (PV-RNN), in which a meta-prior controls the degree to which posterior inference is constrained by learned prior dynamics. We extend this architecture with an online mechanism that uses reconstruction error accumulated over recent interaction history to select between predefined meta-prior regimes. The mechanism was evaluated across three physical human--robot interaction tasks involving fixed structured, changing structured, and less-constrained interaction. Across all tasks, lower meta-prior values produced the expected increase in posterior--prior divergence and reduction in reconstruction error. More importantly, reconstruction-history-driven regime selection was also associated with reduced prospective prediction error and robot-side physical interaction conflict, demonstrating consequences beyond the retrospective reconstruction objective itself. Task~3 further showed that recent sensory observations can be successfully accommodated while subsequent human motion still departs from the model's prior-generated future trajectory. Overall, these findings show that accumulated reconstruction mismatch can provide an endogenous signal for regulating how strongly subsequent inference relies on learned internal dynamics relative to ongoing sensory input during embodied interaction.
- Abstract（参考訳）: 予測符号化は、内部で生成された予測と外部の知覚的証拠との間の動的バランスとして適応的挙動を特徴づけるが、しかしながら、現在進行中の相互作用の間、どのように具体的認知システムがオンラインでこのバランスを制御できるかは理解されていない。
本研究では,人間-ロボット間相互作用における内部および外部結合処理を制御するための予測符号化に基づく機構を提案する。
このフレームワークは、予測符号化にインスパイアされた変動性リカレントニューラルネットワーク(PV-RNN)を使用し、メタプライアは学習前のダイナミクスによって後部推論が制限される度合いを制御する。
我々は、このアーキテクチャを、最近のインタラクション履歴に蓄積された再構成エラーを利用したオンラインメカニズムで拡張し、事前に定義されたメタプライア・システマ間の選択を行う。
このメカニズムは、固定された構造、構造の変化、制約の少ない相互作用を含む3つの物理的人間-ロボット相互作用タスクで評価された。
すべてのタスクにおいて、下位のメタプライア値が、後方の分散と再構築誤差の低減を期待する増加を生んだ。
さらに, 再建史を主体とした体制選択は, 予測誤差の低減や, ロボット側の身体的相互作用の衝突と関係しており, レトロスペクティブの再構築目標自体を超えて結果が示された。
Task~3はさらに、後の人間の動きがモデルが生成した将来の軌道からまだ離れている間、最近の感覚観察が順応できることを示した。
これらの結果から, 蓄積した再構成ミスマッチは, インボダイド相互作用中の感覚入力に対して, 学習内動態に強く依存するかを制御するための内因性シグナルを与える可能性が示唆された。
関連論文リスト
- IMPACT: Attention Is the Interaction Map for Scalable Interaction-Aware World Model Training [18.292611164084537]
IMPACTは,事前誘導と目標設定を併用したスケーラブルなインタラクション対応フレームワークである。
IMPACTは、対応するMSE訓練ベースラインを一貫して上回り、相互作用の忠実度、物理的妥当性、視覚的品質を改善している。
論文 参考訳（メタデータ） (2026-08-31T18:00:36Z) - BEHAVE: A Hybrid AI Framework for Real-Time Modeling of Collective Human Dynamics [0.0]
既存のAIシステムは、グループを安定させるか、エスカレーションやブレークダウンに移行するかを判断する集合的ダイナミクスを捉えていない。
相互作用空間上で定義された連続挙動場として集合力学をモデル化する形式的フレームワークであるBEHAVEを紹介する。
再検討された同じ分野は、群衆の安全、危機チームダイナミクス、教育、臨床状況に適用できる。
論文 参考訳（メタデータ） (2026-05-12T20:32:02Z) - SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。
本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。
SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T07:41:52Z) - From Brain Models to Executable Digital Twins: Execution Semantics and Neuro-Neuromorphic Systems [51.82266520875928]
この調査では、実行のレベルでアプローチを比較するための統一的な視点として、物理的に制約された実行可能性を紹介します。
本稿では,孤立オフラインモデルから協調シミュレーション,オンラインデータによるディジタル双生児の連続実行に至るまで,実行体制の分類について提案する。
実行可能性の概念は、なぜ正確性だけで不十分なのかを明確にし、セマンティック・インターオペラビリティ、ハイブリッド・タイムの正確性、評価プロトコル、スケーラブルな同化、安全なクローズドループ検証を中心にしたアジェンダを動機付けている。
論文 参考訳（メタデータ） (2026-04-15T07:34:46Z) - 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) - InterPrior: Scaling Generative Control for Physics-Based Human-Object Interactions [58.329946838699044]
人間は、明示的な全身運動のレベルで、物体と全身の相互作用を計画することは滅多にない。
このような事前のスケーリングは、ヒューマノイドがロコ操作スキルの構築と一般化を可能にする鍵となる。
我々は,強化学習による大規模模倣事前学習とポストトレーニングを通じて,統合生成コントローラを学習するフレームワークであるInterPriorを紹介する。
論文 参考訳（メタデータ） (2026-02-05T18:59:27Z) - Zero-Shot EEG-to-Gait Decoding via Phase-Aware Representation Learning [9.49131859415923]
ドメイン一般化型脳波-モーションデコーディングフレームワークであるNeuroDyGaitを提案する。
構造化されたコントラスト表現学習とリレーショナルドメインモデリングを使用して、脳波とモーション埋め込みのセマンティックアライメントを実現する。
ベンチマークデータセットのクロスオブジェクト歩行復号における適応や優れた性能を必要とせずに、見えない個人に対するゼロショットモーション予測を実現する。
論文 参考訳（メタデータ） (2025-06-24T06:03:49Z) - Neural Interaction Energy for Multi-Agent Trajectory Prediction [55.098754835213995]
ニューラル・インタラクション・エナジー(MATE)によるマルチエージェント軌道予測(Multi-Agent Trajectory Prediction)というフレームワークを導入する。
MATEは神経相互作用エネルギーを用いてエージェントの対話運動を評価する。
時間的安定性を高めるために,エージェント間相互作用制約とエージェント内動作制約という2つの制約を導入する。
論文 参考訳（メタデータ） (2024-04-25T12:47:47Z) - Pose-Oriented Transformer with Uncertainty-Guided Refinement for
2D-to-3D Human Pose Estimation [51.00725889172323]
本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。
我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。
本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
論文 参考訳（メタデータ） (2023-02-15T00:22:02Z) - Divide and Rule: Recurrent Partitioned Network for Dynamic Processes [25.855428321990328]
多くの動的なプロセスは、物理的システムから社会学的分析まで、相互作用する変数に関与している。
我々のゴールは、部分全体階層を持つシステムを表現し、システム内変数間の暗黙の依存関係を発見することである。
提案アーキテクチャは, (i) 複数のレベルにおける観測の階層的かつ時間的に一貫した表現を抽出する知覚モジュール, (ii) 各レベルにおけるニューロン間の関係性を決定する導出モジュール, (iii)時間分布推定を条件に未来を予測する統計的モジュールからなる。
論文 参考訳（メタデータ） (2021-06-01T06:45:56Z) - Decoupling entrainment from consistency using deep neural networks [14.823143667165382]
一貫性の効果、すなわち個々のスタイルに固執する話者を孤立させることは、訓練の分析において重要な部分である。
そこで本研究では,話者の発声特徴を,その後の出力予測のコンファウンドとして扱うことを提案する。
既存の2つのニューラルアプローチを用いて、一貫性を制御するエントレインメントの新しい尺度を定義した。
論文 参考訳（メタデータ） (2020-11-03T17:30:05Z)
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。