論文の概要: Neuro-Symbolic Graph Transformers for Hierarchical Intention Recognition from Multimodal Human Activity Sequences

• arxiv url: http://arxiv.org/abs/2610.18176v1
• Date: Tue, 13 Oct 2026 11:20:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.602377
• Title: Neuro-Symbolic Graph Transformers for Hierarchical Intention Recognition from Multimodal Human Activity Sequences
• Title（参考訳）: マルチモーダルヒト活動系列からの階層的意図認識のためのニューロシンボリックグラフ変換器
• Abstract要約: 積極的な人間とロボットの協調は、即時行動だけでなく、人間の行動を管理する階層的な意図を推測するシステムを必要とする。 ニューロ・シンボリックグラフ変換器 (NSGT) が提案されている。 人間推論グラフ(HR-G)は、学習可能な位相バイアスによって自己認識機構に統合される。
• 参考スコア（独自算出の注目度）: 4.812022454180755
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Proactive human-robot collaboration requires autonomous systems to infer not only immediate actions but also the underlying hierarchical intentions governing human behavior. Current deep learning approaches predominantly focus on flat action classification, failing to capture the structural dependencies connecting kinematic motion to high-level goals. A Neuro-Symbolic Graph Transformer (NSGT) is proposed within this multimodal framework, a Human Reasoning Graph (HR-G) is integrated into the self-attention mechanism via learnable topological biases. Furthermore, the architecture is augmented with a differentiable First-Order Logic (FOL) loss, acting as a structural regularizer by which ontological consistency is enforced across four levels: atomic actions, composite activities, Low-Level Intentions, and High-Level Intentions. Evaluation is performed on the synthesized NTU-Hierarchy dataset, a four-level ontological extension of NTU RGB+D 120, wherein existing sequences were mapped into 119,383 complex hierarchical episodes (85 actions, 16 activities, 8 LLIs, 4 HLIs). To prevent circular supervision, strict isolation between label generation and FOL constraints was maintained. In the base configuration, 91.65% top-1 action accuracy is achieved by the NSGT. When the FOL loss is incorporated into the baseline, logic consistency is improved by 3.26 percentage points to 96.67%. Through the HR-G biases, a tunable trade-off between accuracy and structural coherence is established. In the primary consistency-maximizing configuration ($λ$ = 0.5), a logic consistency of 94.59% is reached and ontological contradictions are reduced by 33%, while a robust 89.90% top-1 action accuracy is retained. Finally, interpretable reasoning evidence is provided by the learned HR-G weights, wherein transition edges are strongly exploited ($β$ trans $\approx$ +2.6) without explicit supervision.
• Abstract（参考訳）: 積極的な人間とロボットの協調は、迅速な行動だけでなく、人間の行動を管理する階層的な意図を推測する自律的なシステムを必要とする。 現在のディープラーニングアプローチは、主に平らな動作分類に重点を置いており、運動運動と高レベルな目標を結び付ける構造的依存関係を捉えていない。 ニューロ・シンボリックグラフ変換器 (NSGT) が提案され, 人間の推論グラフ (HR-G) が学習可能な位相バイアスを介して自己保持機構に統合される。 さらに、アーキテクチャは、アトミックアクション、複合アクティビティ、低レベルインテンション、高レベルインテンションの4つのレベルにまたがって、オントロジ一貫性を強制する構造正則化器として機能する、微分可能な1次論理(FOL)損失で拡張される。 NTU RGB+D 120の4段階のオントロジ拡張である合成NTU-Hierarchyデータセット上で、既存の配列を119,383個の複合階層エピソード(85のアクション、16のアクティビティ、8のLI、4つのHLI)にマッピングした。 円周監視を防止するため,ラベル生成とFOL制約の厳密な分離が維持された。 ベース構成では、NSGTにより91.65%のトップ1アクション精度が達成される。 FOL損失をベースラインに組み込むと、論理一貫性が3.26ポイントから96.67%向上する。 HR-Gバイアスを通じて、精度と構造コヒーレンスの間の調整可能なトレードオフを確立する。 一次一貫性最大化構成(λ$ = 0.5)では、94.59%の論理一貫性が達成され、オントロジ上の矛盾が33%減少し、ロバストな89.90%のトップ1アクション精度が維持される。 最後に、解釈可能な推論証拠は、学習されたHR-G重みによって提供され、遷移エッジは明示的な監督なしに強く利用される(β$ trans $\approx$ +2.6)。

関連論文リスト

• Neuro-Symbolic Hierarchical Intention Anticipation in Human Behavior [4.812022454180755]
  本稿では、部分的に観察されたマルチモーダルエピソードの目標推定として予測を定式化する。 凍結したニューロシンボリック認識エンコーダにコンパクトな階層計画デコーダを装着する。 4つの存在論的レベル、次の行動、残りの活動、低レベルの意図を予測する。
  論文  参考訳（メタデータ） (2026-09-15T12:09:03Z)
• Compositional Benchmark Synthesis for Hierarchical Human Action Recognition [4.812022454180755]
  4段階階層型インテンションベンチマークを合成するベンチマーク生成および評価フレームワークを提案する。 エピソードは、主題一貫性制約の下で遷移モデルによって組み立てられる。 被検体の使用量を0.566から0.248に削減する。
  論文  参考訳（メタデータ） (2026-08-11T10:22:22Z)
• 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)
• Bridging Semantics and Physical Execution: A Neuro-Symbolic Framework for Multi-Pair Robotic Assembly [16.293038377091086]
  非構造環境における多対ロボット組立体は空間的干渉や接触の不確実性に直面している。 既存のパラダイムは、認知的な意思決定と物理的な実行を橋渡ししない。 本稿では,この課題を階層的に解決するエンドツーエンドのニューロシンボリック・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-09T12:53:25Z)
• Beyond the Aggregation Dilemma: Prior-Retaining Decoupled Learning for Multimodal Graphs [69.56407708794845]
  MultimodalAttributed Graph Learning (MAGL)はグラフアグリゲーションを通じてノード属性と構造トポロジーを統合する。 事前訓練されたエンコーダがLarge Foundation Models (LFM) へと進化するにつれて、MAGLのランドスケープは根本的に変化していく。 高信頼のLFM先行の下では、強制集約は、識別シグナルを圧倒するトポロジカル固有のノイズを導入する。 本稿では、分離されたデュアルパスパラダイムであるSUPRA(Shared-Unique Prior-Retaining Architecture)を提案する。 SUPRAは、トポロジ・アグノシクスによるモーダリティ特異的な特徴を処理し、軽量共有GNNを介して構造相乗効果を捉え、補助的な深層監視対策の勾配飢餓を発生させる。
  論文  参考訳（メタデータ） (2026-05-23T17:42:25Z)
• Online Continual Learning with Dynamic Label Hierarchies [72.33335166136045]
  粒度をまたいで重大度が進化する新しい問題設定であるDHOCLを導入し,各サンプルは単一階層レベルでの監視を行う。 i) 混合粒度の部分的監視は、塑性を制約し、階層間のセマンティック一貫性を損なう、進化するパスワイド階層上のポイントワイド信号のみを提供する。 本稿では,相補的分類を適応的に組み合わせ,学習可能な階層型プロトタイプによって正規化し,素早い適応,階層的整合性,構造的知識の統合を可能にするHALOを提案する。
  論文  参考訳（メタデータ） (2026-05-12T08:20:23Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• A Signed Graph Approach to Understanding and Mitigating Oversmoothing in GNNs [54.62268052283014]
  署名されたグラフの枠組みに基づく統一的な理論的視点を示す。 既存の戦略の多くは、メッセージパッシングを変えて過度な操作に抵抗する負のエッジを暗黙的に導入している。 本稿では,ラベルや特徴の類似性に基づいて署名されたエッジを割り当てるプラグイン・アンド・プレイ方式であるStructure Balanced Propagation (SBP)を提案する。
  論文  参考訳（メタデータ） (2025-02-17T03:25:36Z)

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。