論文の概要: Generative Embodied Multiple Behavior Control Systems for Human-like Agents
- arxiv url: http://arxiv.org/abs/2609.22691v2
- Date: Sun, 27 Sep 2026 18:38:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-29 21:31:51.566751
- Title: Generative Embodied Multiple Behavior Control Systems for Human-like Agents
- Title（参考訳）: 人型エージェントのための創発的多行動制御システム
- Abstract要約: 習慣行動は、人間の日常生活において重要な役割を担っているものの、ほとんど見過ごされている。
本稿では,目標指向行動と習慣行動を協調的にモデル化するマルチコントロールシステムを提案する。
GEMSの有効性は, 習慣行動の活用と多行動制御システム連携の利点を示す。
- 参考スコア（独自算出の注目度）: 12.172579281881072
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Building human-like agents that reproduce human behavior in realistic 3D environments has been a longstanding objective in AI. Existing human-like agent frameworks primarily focus on modeling goal-directed behavior. However, cognitive neuroscience commonly believes that human behaviors are more likely controlled by multiple control systems, including goal-directed and habitual behavior control systems. Habitual behavior has been largely overlooked though it plays a crucial role in human daily life. In this paper, we address this gap by proposing a multiple control systems setup that jointly models goal-directed and habitual behaviors. Building on this setup, we propose GEMS, in which the Habitual Controller retrieves habitual actions from habit memory in response to relevant environmental stimuli, while the Goal-directed Controller proposes goal-directed actions and estimates their values. The Arbiter dynamically governs the relative influence of each controller and selects the final action. To construct diverse human-level behavior instructions in 3D environments, we further develop a keyframe-guided motion generation module. Extensive quantitative evaluations, human and ablation studies demonstrate that human-likeness performance is substantially improved by GEMS. The efficacy of GEMS indicates the benefits of leveraging habitual behavior and multiple behavior control system coordination for believable embodied human-like agents. The code is available at \href{https://anonymous.4open.science/r/review-video-82f4/demo.mp4}{this link}.
- Abstract（参考訳）: リアルな3D環境で人間の行動を再現する人間のようなエージェントを構築することは、AIの長年の目標だった。
既存のヒューマンライクなエージェントフレームワークは、主にゴール指向の振る舞いのモデリングに焦点を当てている。
しかしながら認知神経科学は、人間の行動は、目標指向や習慣的行動制御システムを含む複数の制御システムによって制御される可能性が高いと一般的に信じている。
習慣行動は、人間の日常生活において重要な役割を担っているものの、ほとんど見過ごされている。
本稿では,目標指向行動と習慣行動を協調的にモデル化する複数の制御系を提案することで,このギャップに対処する。
本稿では,環境刺激に応答して習慣記憶から習慣行動を検索するGEMSを提案し,目標指向型コントローラは目標指向型アクションを提案し,その値を推定する。
Arbiterは各コントローラの相対的な影響を動的に制御し、最終アクションを選択する。
3次元環境下での多様な人間レベルの動作指示を構築するために,キーフレーム誘導モーション生成モジュールをさらに開発する。
ヒトとアブレーションの研究は、GEMSによってヒトに近い性能が著しく改善されていることを証明している。
GEMSの有効性は, 習慣行動の活用と多行動制御システム連携の利点を示す。
コードは \href{https://anonymous.4open.science/r/review-video-82f4/demo.mp4}{this link} で公開されている。
関連論文リスト
- Scaling Behavior Foundation Model for Humanoid Robots [77.31115920959364]
行動基礎モデル(BFM)は、大規模な行動データを活用することで課題に対処する有望なソリューションとして登場した。
提案手法は制御忠実度とタスク一般化の大幅な改善をもたらすことを示す。
これらの結果は、BFMをスケーラブルで汎用的なヒューマノイド制御の原則的かつ効果的な基盤として確立する。
論文 参考訳（メタデータ） (2026-07-16T16:08:27Z) - Functional Misalignment in Human-AI Interactions on Digital Platforms [7.607860037394469]
アルゴリズムシステム、特にソーシャルメディアレコメンデーターは、行動を予測することに成功している。
しかし、彼らの普及は、メンタルヘルスの懸念の高まり、分極の増大、信頼の侵食など、厄介な結果と一致している。
本稿では、これらの効果は、アルゴリズムが最適化する - 予測可能な振る舞い - と、これらの予測が機能することを意図した人間の目標の間の構造的機能的不整合の結果である、と論じる。
論文 参考訳（メタデータ） (2026-04-13T13:35:32Z) - Act, Sense, Act: Learning Non-Markovian Active Perception Strategies from Large-Scale Egocentric Human Data [30.493131697188627]
我々は、情報ゲインと意思決定分岐によって駆動される非マルコフ過程として能動的知覚を定式化する。
本稿では,認知と記憶を意識した視覚言語アクションフレームワークCoMe-VLAを紹介する。
本フレームワークは,自律的なサブタスク遷移のための認知補助ヘッドと,一貫した自己および環境意識を維持するためのデュアルトラックメモリシステムを統合する。
論文 参考訳（メタデータ） (2026-02-04T14:28:14Z) - Human Behavior Atlas: Benchmarking Unified Psychological and Social Behavior Understanding [50.34821397821815]
Human Behavior Atlasは、テキスト、オーディオ、視覚的モダリティにまたがる10万以上のサンプルで構成されている。
統合作業は冗長性とコストを低減し、タスク間の効率的なスケーリングを可能にし、ドメイン間の行動特徴の一般化を促進する。
論文 参考訳（メタデータ） (2025-10-06T15:16:45Z) - The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
人格特性は、人間の行動の予測因子として長い間研究されてきた。
近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
論文 参考訳（メタデータ） (2025-09-03T21:27:10Z) - 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) - Machine Psychophysics: Cognitive Control in Vision-Language Models [0.0]
我々は,3つの古典的コンフリクトタスクと,2,220回のトライアルにおいて,より要求の大きい「二乗」変異に対して108の視覚言語モデルを評価する。
結果は、現在のマルチモーダル基盤モデルにおいて、ある種の人間のようなエグゼクティブ関数が出現したことを示唆している。
論文 参考訳（メタデータ） (2025-05-25T04:23:28Z) - Emergent Active Perception and Dexterity of Simulated Humanoids from Visual Reinforcement Learning [69.71072181304066]
本稿では,擬似ヒューマノイドを用いた視覚駆動全身制御フレームワークであるPerceptive Dexterous Control (PDC)を紹介する。
PDCは、タスク仕様のためのエゴセントリックなビジョンのみを運用し、ビジュアルキューによるオブジェクト検索、ターゲット配置、スキル選択を可能にする。
強化学習によるスクラッチからのトレーニングは,能動探索などの創発的な行動を引き起こす可能性があることを示す。
論文 参考訳（メタデータ） (2025-05-18T07:33:31Z) - RealBehavior: A Framework for Faithfully Characterizing Foundation
Models' Human-like Behavior Mechanisms [45.97077960079147]
本稿では,モデルのヒューマノイドな振る舞いを忠実に特徴付けるためのフレームワークであるRealBehaviorを紹介する。
本研究は, 心理的ツールのシンプルな応用は, すべての人間の行動に忠実に特徴付けることはできないことを示唆している。
論文 参考訳（メタデータ） (2023-10-17T12:58:17Z) - 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)
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。