日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ヒューマンエージェントarXiv:2609.22691

人間らしいエージェントのための生成的具現化複数行動制御システム

Generative Embodied Multiple Behavior Control Systems for Human-like Agents

シェア:XThreadsFacebookLINEはてブBluesky

習慣的行動と目標指向的行動を統合的にモデル化し、個人差や内部状態に応じて両者を動的に調整する人間らしいエージェントの行動制御フレームワークを提案した。

詳しい要約

1. どんなもの?

- 人間の行動制御機構である習慣的行動と目標指向的行動を統合的にモデル化する、人間らしいエージェントのためのフレームワークを提案。 - 習慣的行動は既存の人間らしいエージェント研究ではほとんど無視されてきたが、日常生活で重要な役割を果たす。 - 提案フレームワークは、Habitual Controller、Goal-directed Controller、Arbiterの3要素から構成される。 - さらに、キーフレーム誘導型の3Dモーション生成モジュールを開発し、3D環境で多様な人間レベルの行動指示を再構築する。

2. 先行研究と比べてどこがすごい?

- 既存の人間らしいエージェントフレームワークは主に目標指向的行動のモデル化に焦点を当てており、習慣的行動をほとんど無視してきた。 - 本研究は、習慣的行動と目標指向的行動を共同でモデル化する複数の行動制御システムを研究することで、このギャップを埋める。 - 提案手法は、人間らしさのパフォーマンスを大幅に改善することを実験的に示した。

3. 技術・手法の肝は?

- Habitual Controllerは、個人化された習慣記憶から手がかりによって引き起こされる行動を検索する。 - Goal-directed Controllerは、文脈認識型の世界モデルを用いて行動の結果を予測し、その価値を推定する。 - Arbiterは、個人差と瞬間的な内部状態に応じて両システムの影響を動的にバランスさせる。 - キーフレーム誘導型の3Dモーション生成モジュールにより、3D環境で多様な人間レベルの行動指示を再構築する。

4. どうやって有効だと検証した?

- 広範な評価手法、人間による研究、アブレーション研究を通じて検証。 - 実験結果は、提案手法が人間らしさのパフォーマンスを大幅に改善することを示した。 - 習慣的行動と複数の行動制御システムの調整を活用することが、信憑性のある身体化された人間らしいエージェントにとって有益であることを示唆。

5. 議論はある?

- 提案手法の有効性は、習慣的行動と複数の行動制御システムの調整が信憑性のある身体化された人間らしいエージェントに利益をもたらすことを示している。 - 具体的な議論の詳細や限界については要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、goal-directed behaviorをモデル化した既存のhuman-like agent frameworksや、cognitive neuroscienceにおけるhabitual versus goal-directed dichotomyに関する研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Chongyu Bao, Haokai Yang, Yuhan Wang, Zhaochong An, Kunpeng Liu, Xiaolan Liu

分類: cs.AI

原文アブストラクト

An enduring and richly elaborated dichotomy in cognitive neuroscience is that of human behavior control mechanisms, divided into habitual versus goal-directed. While existing human-like agent frameworks primarily focus on modeling goal- directed behavior, habitual behavior has been largely overlooked, though it plays a crucial role in human daily life. In this paper, we address this gap by studying multiple behavior control systems that jointly model goal-directed and habitual behaviors. We propose a human behavior control mechanism-inspired framework which the Habitual Controller retrieves cue-triggered behaviors from personal- ized habit memory, while the Goal-directed Controller employs a context-aware world model to predict action consequences and estimate their values. The Arbiter dynamically balances the influence of both systems according to individual differ- ences and momentary internal states. To reconstruct diverse human-level behavior instructions in 3D environments, we further develop a keyframe-guided 3D mo- tion generation module. Through extensive evaluation methods, human studies, and ablations studies, experimental results demonstrate that human-likeness per- formance is significantly improved by our approach. The efficacy of our approach indicates the benefits of leveraging habitual behavior and multiple behavior con- trol system coordination for believable embodied human-like agents.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI