論文の概要: Intrinsic Goals for Autonomous Agents: Hierarchical Exploration Captures Future Volitional Action in Drosophila

• arxiv url: http://arxiv.org/abs/2610.34638v1
• Date: Sun, 25 Oct 2026 23:40:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.651964
• Title: Intrinsic Goals for Autonomous Agents: Hierarchical Exploration Captures Future Volitional Action in Drosophila
• Title（参考訳）: 自律型エージェントの固有のゴール:ショウジョウバエの進化的行動の階層的探索
• Abstract要約: 果実ハエの全脳記録とニューロメカニカルデジタルツインを組み合わせることで、本質的な目標の最適化が現実的な人工エージェントを生み出すかどうかをテストする。 我々は、好奇心、エントロピー、能力にまたがる20の本質的な動機付けアルゴリズムを用いて、外部報酬のないエージェントを訓練する。 結果は、動物自律をリバースエンジニアリングするための強力な枠組みとして、階層的、本質的に動機づけられたエージェントを確立する。
• 参考スコア（独自算出の注目度）: 3.261397279099109
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Animals have a remarkable capacity for autonomy---driven by intrinsic motivation---without external sensory cues or extrinsic objectives, yet the computational mechanisms behind this ability largely remain a mystery. We combine whole-brain recordings in the fruit fly (Drosophila melanogaster), which reveal neural representations of spontaneous exploratory decisions more than 10 seconds in advance, with a neuromechanical digital twin to test whether optimizing intrinsic goals yields realistically embodied artificial agents that quantitatively match fly behavior and internal representations of future volitional action during exploration. Our hierarchical policy selects from a discrete library of low-level motor primitives, consistent with ethological theories of behavioral syllables. We train agents without external reward using 20 intrinsic motivation algorithms spanning curiosity, entropy, and competency methods. The agents are evaluated in a virtual tethered-ball assay modeled on the fly experiment, comparing spontaneous locomotor statistics and internal representations and decoding future turn direction from kinematics and neural activity on the same timescales observed in flies. DIAYN, a hierarchical competency algorithm learning discrete policies that maximize behavioral entropy and the separability of induced sensory observations, achieves the strongest joint behavioral and neural prospective coding performance relative to flies. Its learned policies closely capture individual variability in fly exploration strategies, suggesting that this diversity serves to maximize state-space coverage at the population level. DIAYN's latent activity also closely captures the sum-difference rule for interhemispheric encoding of kinematics in biological flies. These results establish hierarchical, intrinsically motivated agents as a powerful framework for reverse-engineering animal autonomy.
• Abstract（参考訳）: 動物は、内在的な動機や外在的な目的を伴わない、内在的な動機によって駆動される自律性に優れた能力を持っているが、この能力の背後にある計算メカニズムは、主に謎のままである。 我々は,ハエの全脳記録(ショウジョウバエ)を事前に10秒以上の自発的探索決定の神経表現と組み合わせ,本質的な目標の最適化が,ハエの行動と将来の冒険行動の内部表現とを定量的に一致させる現実的に具現化する人工エージェントを実証する神経機械的デジタルツインと組み合わせた。 我々の階層的政策は、行動音節の倫理理論と整合して、低レベルの運動プリミティブの離散的なライブラリから選択される。 我々は、好奇心、エントロピー、能力にまたがる20の本質的な動機付けアルゴリズムを用いて、外部報酬のないエージェントを訓練する。 これらの物質はハエ実験をモデルとした仮想テザリングボールアッセイで評価され、自然発生の運動量統計と内部表現を比較し、ハエで観測された同じ時間スケールでキネマティクスと神経活動から将来の旋回方向を復号する。 行動エントロピーと誘導感覚観察の分離性を最大化する離散ポリシーを学習する階層的能力アルゴリズムであるDIAYNは、ハエに対して最も強力な共同行動および神経予測符号化性能を達成する。 その学習された政策は、ハエの探査戦略における個人の多様性を密に捉えており、この多様性は、人口レベルでの国家空間のカバレッジを最大化するのに役立っていることを示唆している。 DIAYNの潜伏活性は、生物学的ハエにおけるキネマティクスの半球間符号化の和差則を密に捉えている。 これらの結果は、動物自治をリバースエンジニアリングするための強力な枠組みとして、階層的、本質的に動機づけられたエージェントを確立する。

関連論文リスト

• Intrinsic Motivation in Reinforcement Learning: A Research Agenda for Adaptive Self-Organisation [0.0]
  人工神経システムにおける本質的な報酬が適応、機能的専門化、高レベルの自己組織化をサポートするかどうかを論じる。 我々は、より有能なシステムは、補完的な目的、コミュニケーション、記憶、複数の時間スケールでの学習、環境制約を必要とするかもしれないと論じる。 実験は、本質的な学習が適応的な組織を徐々に高いレベルに導くことができるかどうかをテストすることを目的としている。
  論文  参考訳（メタデータ） (2026-09-15T15:29:33Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Intrinsic Goals for Autonomous Agents: Model-Based Exploration in Virtual Zebrafish Predicts Ethological Behavior and Whole-Brain Dynamics [5.442633631358052]
  自律性は動物の知能の目印であり、外部の報酬やタスク構造に頼ることなく、複雑な環境で適応的でインテリジェントな行動を可能にする。 本稿では,動物における自律探査の原則に則って設計された,新しいモデルに基づく固有ドライブを提案する。 本研究は,モデルに基づく本質的なモチベーションと自然主義的行動とを結合する計算枠組みを構築した。
  論文  参考訳（メタデータ） (2025-05-30T18:21:40Z)
• Inference of Affordances and Active Motor Control in Simulated Agents [0.5161531917413706]
  本稿では,出力確率,時間的予測,モジュール型人工ニューラルネットワークアーキテクチャを提案する。 我々のアーキテクチャは、割当マップと解釈できる潜在状態が発達していることを示す。 アクティブな推論と組み合わせることで、フレキシブルでゴール指向の動作が実行可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-23T14:13:04Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Emergent behavior and neural dynamics in artificial agents tracking turbulent plumes [1.8065361710947974]
  我々は、深層強化学習を用いて、リカレントニューラルネットワーク(RNN)エージェントを訓練し、シミュレートされた乱流プラムの源を見つける。 風向の変化を観測する実験的な仮説が提案されている。
  論文  参考訳（メタデータ） (2021-09-25T20:57:02Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• Tracking Emotions: Intrinsic Motivation Grounded on Multi-Level Prediction Error Dynamics [68.8204255655161]
  目標達成に向けての進捗率と期待率の差が生じると、感情がどのように生じるかについて議論する。 自己生成的・動的目標に向けた行動を生成する本質的なモチベーションアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-07-29T06:53:13Z)

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。