論文の概要: Conditional Neural Processes for Self-Supervised Goal Discovery in Action Imitation

• arxiv url: http://arxiv.org/abs/2610.32688v1
• Date: Fri, 23 Oct 2026 14:19:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.544955
• Title: Conditional Neural Processes for Self-Supervised Goal Discovery in Action Imitation
• Title（参考訳）: 行動模倣における自己監督ゴール発見のための条件付きニューラルプロセス
• Abstract要約: 条件付きニューラル・プロセスは、その基礎となる目的について情報を与える行動の表現を学習できることを示す。 隠れた空間にアテンション機構が加わったことにより、アクションシーケンスの観察の早い段階で、ロバストな目標表現の出現が促進されることを示す。
• 参考スコア（独自算出の注目度）: 42.72014627111101
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inspired by infants' ability to learn novel tasks by imitating others, in this work we evaluate to what extent Conditional Neural Processes can autonomously learn representations of actions that are informative about their underlying goal. We show that the addition of an attention mechanism in the hidden space fosters the emergence of robust goal representations early on in the observation of an action sequence, making it a promising model for a robotic self-supervised general learner.
• Abstract（参考訳）: 本研究は,幼児が他者を模倣して新しいタスクを学習する能力に触発され,条件付きニューラル・プロセスが,その基礎となる目的について情報を提供する行動の表現を自律的に学習できる程度の評価を行う。 隠れた空間に注意機構を加えることで、アクションシーケンスの観察の早い段階で頑健な目標表現の出現が促進され、ロボットによる自己教師型一般学習者にとって有望なモデルであることが示される。

関連論文リスト

• Goal-Directedness is in the Eye of the Beholder [48.937781898861815]
  ゴール指向の行動の探索には,2つのフレーバーがある。 エージェントシステムにおけるゴールの定式化から生じる技術的および概念的問題を特定する。 本稿では,動的マルチエージェントシステムの創発的特性として,ゴール指向性をモデル化するための新たな方向性について概説する。
  論文  参考訳（メタデータ） (2025-08-18T11:04:18Z)
• Emergence of Goal-Directed Behaviors via Active Inference with Self-Prior [4.863927022806184]
  幼児は、外部報酬基準が提供されていない場合でも、感覚刺激に手を伸ばすなど、目標指向の行動を示すことが多い。 我々は「自己優先」と呼ばれるエージェント自身のマルチモーダル感覚経験のための新しい密度モデルを提案する。 本研究は、エージェント自身の感覚経験によって形成される本態的に動機づけられた行動を実装し、初期発達における意図的行動の自然発生を実証する。
  論文  参考訳（メタデータ） (2025-04-15T11:16:27Z)
• Dynamic Neural Curiosity Enhances Learning Flexibility for Autonomous Goal Discovery [0.0]
  本稿では,Locus Coeruleus-Norepinephrineシステムからインスピレーションを得て,好奇心と注意の根源となることを提案する。 本研究では, ロボットアームを用いたロボットアームを, 様々な難易度を持つ物体の集合上で実験することにより, アプローチを適用した。 アーキテクチャは動的ニューラルネットワークでモデル化され、フォワードモデルと逆モデルを用いて目標の学習をサポートする。
  論文  参考訳（メタデータ） (2024-11-29T06:37:23Z)
• Self-Explainable Affordance Learning with Embodied Caption [63.88435741872204]
  具体的キャプションを具現化したSelf-Explainable Affordance Learning (SEA)を紹介する。 SEAは、ロボットが意図を明確に表現し、説明可能な視覚言語キャプションと視覚能力学習のギャップを埋めることを可能にする。 本稿では, 簡便かつ効率的な方法で, 空き地と自己説明を効果的に組み合わせた新しいモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-08T15:22:38Z)
• Procedure Planning in Instructional Videosvia Contextual Modeling and Model-based Policy Learning [114.1830997893756]
  本研究は,実生活ビデオにおける目標指向アクションを計画するモデルを学習することに焦点を当てる。 本研究では,ベイズ推論とモデルに基づく模倣学習を通して,人間の行動のモデル化を行う新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-05T01:06:53Z)
• Learning with AMIGo: Adversarially Motivated Intrinsic Goals [63.680207855344875]
  AMIGoは、Adversarially Motivated Intrinsic Goalsを提案するゴール生成教師である。 提案手法は, 提案する目標の自然なカリキュラムを生成し, エージェントが究極的には, 手続き的に生成する課題を解くことができることを示す。
  論文  参考訳（メタデータ） (2020-06-22T10:22:08Z)
• Mutual Information-based State-Control for Intrinsically Motivated Reinforcement Learning [102.05692309417047]
  強化学習において、エージェントは、外部報酬信号を用いて一連の目標に到達することを学習する。 自然界では、知的生物は内部の駆動から学習し、外部の信号を必要としない。 目的状態と制御可能な状態の間の相互情報として本質的な目的を定式化する。
  論文  参考訳（メタデータ） (2020-02-05T19:21:20Z)

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。