論文の概要: Two Routes to Interoceptive Prioritisation: Dissociating Likelihood Precision and Preference Reweighting in Active Inference

• arxiv url: http://arxiv.org/abs/2610.18617v1
• Date: Tue, 13 Oct 2026 16:01:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.673394
• Title: Two Routes to Interoceptive Prioritisation: Dissociating Likelihood Precision and Preference Reweighting in Active Inference
• Title（参考訳）: 知覚的先天的優先順位付けの2つの方法 : 能動推論における類似の精度の解離と選好の重み付け
• Abstract要約: 体化剤は、競合する身体的ニーズの中で優先されなければならない。 アクティブな推論では、そのニーズに関する情報の精度を高めることで、緊急の要求に対応することができる。 我々はこれら2つの介入を,3つの致命的なニーズを持つ飼料グリッドワールドにおいて,それぞれ別々に比較した。
• 参考スコア（独自算出の注目度）: 5.012301596912807
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An embodied agent must prioritise among competing bodily needs. In active inference, it can respond to an urgent need by increasing the precision of information about that need or by increasing its preference for outcomes that relieve it. We compare these two interventions, separately and together, in a foraging gridworld with three lethal needs, and ask how each changes survival, perception and the body model the agent learns. Precision sharpens interoceptive posteriors and improves survival. Preference reweighting keeps bodily states further from their lethal boundaries and changes the states from which the agent learns, so its learned model covers fewer need levels, with lower quality across all levels but slightly higher quality on the levels it visits. An experiment on 72 further layouts does not establish the predicted preference benefit on difficult layouts, but both interventions improve average survival there and their interaction is positive. Survival alone therefore gives an incomplete account of how a model prioritises needs and learns about its body.
• Abstract（参考訳）: 体化剤は、競合する身体的ニーズの中で優先されなければならない。 アクティブな推論では、そのニーズに関する情報の精度を高めたり、それを緩和する結果の選好を高めることで、緊急の要求に対応することができる。 我々はこれらの2つの介入を、それぞれ別々に比較し、3つの致命的なニーズを持つ飼料グリッドワールドで比較し、各介入がどのように生き残り、知覚、そしてエージェントが学習する身体モデルを変化させるかを問う。 精度は受容器後部を鋭くし、生存率を向上させる。 優先再重み付けは、身体状態が致命的な境界からさらに離れて、エージェントが学習する状態を変化させる。 72のさらなるレイアウトに関する実験では、難しいレイアウトに対する予測された好みの利点は示されていないが、どちらの介入も平均生存率を改善し、相互作用は肯定的である。 したがって、生存のみは、モデルがどのようにして身体に優先順位を付け、学習するかを不完全な説明を与える。

関連論文リスト

• World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
  世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。 これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。 可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
  論文  参考訳（メタデータ） (2026-09-15T06:22:42Z)
• Interoceptive Attention as Dynamic Homeostatic Prioritization in a Foraging Agent [5.660076931519574]
  我々は、その知覚精度をどこに割り当てるかを決定する採餌剤について検討する。 4チャンネルのグリッドワールドであるAffectWorldでは、この選択的なアロケーションは学習フェーズの生存率を2倍以上にしている。 プランナーの形状の可能性が否定されるだけで、その約半分が取り除かれる。
  論文  参考訳（メタデータ） (2026-08-04T21:18:45Z)
• Multi-Source Survival Domain Adaptation [11.57423546614283]
  そこで我々は,新たな生存基準と生存分布の相違尺度を導入する。 2つのがんデータセットに対する実験により、標的領域における最高性能、より良い治療勧告、そして、説明可能な重み行列が明らかにされた。
  論文  参考訳（メタデータ） (2022-12-01T10:55:22Z)
• Surgical Fine-Tuning Improves Adaptation to Distribution Shifts [114.17184775397067]
  分散シフト下での伝達学習の一般的なアプローチは、事前訓練されたモデルの最後の数層を微調整することである。 本稿は, 階層のサブセットを選択的に微調整する手法が, 一般的に用いられている微調整手法と一致し, 性能が良くないことを示す。
  論文  参考訳（メタデータ） (2022-10-20T17:59:15Z)
• Need is All You Need: Homeostatic Neural Networks Adapt to Concept Shift [0.0]
  ホメオスタティックな特徴を組み込んだ人工ニューラルネットワークを導入する。 私たちのホメオスタティックデザインは、ニューラルネットワークの思考機械を自身の思考結果に公開します。 ホメオスタティックデザインは,概念シフトによる適応性の向上を示唆する。
  論文  参考訳（メタデータ） (2022-05-17T21:49:16Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• Adversarial Motion Modelling helps Semi-supervised Hand Pose Estimation [116.07661813869196]
  そこで本稿では,非ラベルビデオに対人トレーニングとモーションモデリングのアイデアを組み合わせることを提案する。 本研究は,非ラベル映像系列の半教師あり学習により,逆方向が手ポーズ推定器の特性の向上につながることを示す。 このアプローチの主な利点は、ペアのトレーニングデータよりもはるかに容易に、未ペアのビデオとジョイントシーケンスデータを利用することができることです。
  論文  参考訳（メタデータ） (2021-06-10T17:50:19Z)
• End-to-End Learning and Intervention in Games [60.41921763076017]
  ゲームにおける学習と介入のための統一的なフレームワークを提供する。 明示的および暗黙的な区別に基づく2つのアプローチを提案する。 分析結果は、実世界のいくつかの問題を用いて検証される。
  論文  参考訳（メタデータ） (2020-10-26T18:39:32Z)

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。