論文の概要: Behaviora - A Conceptual Architecture for External and Internal Behavior of Robots and Agents

• arxiv url: http://arxiv.org/abs/2609.27536v1
• Date: Wed, 23 Sep 2026 08:28:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.944897
• Title: Behaviora - A Conceptual Architecture for External and Internal Behavior of Robots and Agents
• Title（参考訳）: ビヘイビア - ロボットとエージェントの内的・内的行動のための概念的アーキテクチャ
• Abstract要約: Behavioraは、エージェントとロボットの振る舞いを表現するための概念的アーキテクチャである。 行動ロボット又はエージェントは、動作(BTax)から派生し、永続的な識別子を割り当てることができるエピソード成分からなる行動エピソードを実行する。 Experience Profileは、エピソードの実行を変調する振る舞いに関連する内部状態を表す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Behaviora is a preliminary conceptual architecture for representing agent and robot behavior, external and internal alike, in an addressable form. A behaving robot or agent performs a Behavior Episode composed of episode components, which can be derived from behavior taxonomies (BTax) and assigned persistent identifiers. We denote these identifiers as IoB (Internet of Behaviors) Addresses. A Behavior Episode specifies what the system does, while a Style Profile (SP) specifies how this behavior is expressed. Style can communicate characteristics of the actor and qualities such as competence and cultural manners. An Experience Profile (EP) represents behaviorally relevant internal state that modulates the execution of an Episode. Finally, a Behavior Compiler maps these behavioral representations to platform-specific actions. We use a primitive touching arm model to show these components and their relations. External Behavior is a result of addressable movements and their styles. Internal Behavior is represented through the same episodic principle and can be rendered as inner speech. Sensing, perception and complex task contexts have not been included in the present implementation, although a conceptual place is reserved for them.
• Abstract（参考訳）: Behavioraは、エージェントとロボットの振る舞いを表現するための予備的な概念的アーキテクチャである。 行動分類学(BTax)から派生できるエピソード成分からなる行動エピソードを実行し、永続的な識別子を割り当てる。 これらの識別子をIoB(Internet of Behaviors)アドレスと表現する。 振舞いエピソードはシステムが何をするかを定義し、スタイルプロファイル(SP)はどのように振舞いが表現されるかを定義します。 スタイルはアクターの特徴や能力や文化の仕方などを伝えることができる。 Experience Profile (EP)は、エピソードの実行を変調する振る舞いに関連する内部状態を表す。 最後に、振舞いコンパイラは、これらの振舞い表現をプラットフォーム固有のアクションにマッピングします。 これらのコンポーネントとそれらの関係を示すために、プリミティブタッチアームモデルを使用します。 外的行動は、対処可能な動きとそのスタイルの結果である。 内的行動は同じエピソード原理で表現され、内的音声として表現することができる。 センシング、知覚、複雑なタスクコンテキストは現在の実装には含まれていないが、概念的な場所はそれらのために予約されている。

関連論文リスト

• The Model Is Not the Product: A Dual-Pillar Architecture for Local-First Psychological Coaching [51.56484100374058]
  本報告では,iOS アプリケーションである Psych LM について紹介する。 Psych LMは、動作およびライフコーチングアプリケーション用に設計された、目的に構築された、ローカルファーストのランタイム内で、ローカル、オンデバイス言語モデルを実行する。
  論文  参考訳（メタデータ） (2026-05-23T05:49:11Z)
• How to Interpret Agent Behavior [56.59836196946289]
  本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。 共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
  論文  参考訳（メタデータ） (2026-05-13T14:52:40Z)
• When Should an AI Act? A Human-Centered Model of Scene, Context, and Behavior for Agentic AI Design [0.44743648495907423]
  エージェントAIは、コンテキストデータからユーザの状況を推測することによって、積極的に介入する。 本稿では,解釈的場面,文脈,行動要因を組み込んだ結果として振舞いを再構成する概念モデルを提案する。 介入の深さ、タイミング、強度、抑制を導く5つのエージェント設計原則を導出します。
  論文  参考訳（メタデータ） (2026-02-26T09:56:37Z)
• When Benign Inputs Lead to Severe Harms: Eliciting Unsafe Unintended Behaviors of Computer-Use Agents [90.05202259420138]
  意図しないコンピュータ利用エージェントは、良質な入力コンテキストの下でも期待された結果から逸脱することができる。 意図しないCUA行動に対する最初の概念的および方法論的枠組みを紹介する。 本稿では,CUA実行フィードバックを用いた命令を反復的に摂動するエージェントフレームワークであるAutoElicitを提案する。
  論文  参考訳（メタデータ） (2026-02-09T03:20:11Z)
• 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)
• AMII: Adaptive Multimodal Inter-personal and Intra-personal Model for Adapted Behavior Synthesis [6.021787236982659]
  ソーシャル・インタラクティブ・エージェント(Socially Interactive Agents, SIAs)は、人間のマルチモーダル行動と同様の振る舞いを示す物理的または仮想的なエンボディエージェントである。 ユーザと対話し、話者やリスナーとして行動しながら、SIAに対して適応的な顔ジェスチャーを合成する新しいアプローチであるAMIIを提案する。
  論文  参考訳（メタデータ） (2023-05-18T21:22:07Z)
• Synthesizing Physical Character-Scene Interactions [64.26035523518846]
  仮想キャラクタとその周辺環境間のこのような相互作用を合成する必要がある。 本稿では,逆模倣学習と強化学習を用いて物理シミュレーション文字を学習するシステムを提案する。 我々のアプローチは、物理学に基づくキャラクターモーション生成を広い適用性に一歩近づいた。
  論文  参考訳（メタデータ） (2023-02-02T05:21:32Z)
• Reinforcement Learning with Information-Theoretic Actuation [24.2569606221763]
  本稿では,情報理論を用いた内部動作の逐次的概念を用いて,標準的なMDP形式を向上する方法を示す。 これにより、内部および外部の作用値関数の自己整合性の定義が導かれる。
  論文  参考訳（メタデータ） (2021-09-30T14:10:59Z)
• Unsupervised Speech Representation Learning for Behavior Modeling using Triplet Enhanced Contextualized Networks [28.957236790411585]
  本研究では,対話における人間の行動の定常的特性を利用して,音声から行動情報を抽出する表現学習手法を提案する。 本稿では,エンコーダ・デコーダをベースとしたDeep Contextualized Network (DCN) と,動作コンテキストをキャプチャするTriplet-Enhanced DCN (TE-DCN) フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-01T22:44:23Z)
• Behavior-Driven Synthesis of Human Dynamics [8.17925295907622]
  本稿では,姿勢に依存しない人間の行動の表現を学習する行動合成モデルを提案する。 任意の姿勢で描かれた人物の行動を変更したり、所定の映像列で観察された行動を直接転送することも可能である。
  論文  参考訳（メタデータ） (2021-03-08T11:36:32Z)
• Learning to Simulate Dynamic Environments with GameGAN [109.25308647431952]
  本稿では,エージェントが環境と対話するのを見ることでシミュレーターを学習することを目的とする。 ゲームGANは,学習中にスクリーンプレイやキーボード操作を取り入れることで,所望のゲームを視覚的に模倣することを学習する生成モデルである。
  論文  参考訳（メタデータ） (2020-05-25T14:10:17Z)

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。