AI分野論文まとめ【2020年01月25日arXiv公開】

この論文の概要（機械翻訳による和訳）
2つのエージェントe1とe2によるネゴシエーションプロセスは、たとえばe1とe3の間の別のネゴシエーションプロセスによってインターリーブできます。インターリーブは、最初の交渉プロセスの開始時に想定されたリソース割り当てを変更する可能性があります。議論ベースの交渉の既存の提案は、主に2エージェントの二国間交渉に焦点を当てていましたが、マルチエージェント交渉の並行性にはほとんど焦点を当てていませんでした。ギャップを埋めるために、抽象説得論（動的な関係を持つ抽象論の形式化）に基づいて、新しい論証理論を提示します。動的な関係のメンバー間の数値情報とハンドシェイクのメカニズムを組み込むことにより、拡張理論が乏しいリソース上の同時マルチエージェント交渉にうまく適応することを示します。

この論文の概要（機械翻訳による和訳）
社会的存在として、多くの人間の行動は社会的文脈に基づいています-文化的規範、社会的シグナル、個人の好みなどを含む周囲の社会的状態。人間の社会環境（HSE）の計画。提案されたアプローチの主な強みは、潜在的なアクションが客観的なコストに影響するだけでなく、それが計画および行動する社会的文脈を変える方法を明示的にモデル化することです。アルゴリズムの複雑さを制限するための戦略を調査し、プランナーが複雑なHSEのような病院や工場のモバイルプラットフォームで扱いやすいようにします。また、計画者は、タスクの相対的な重要性と緊急性を考慮し、目標を達成するために社会的期待に違反することが適切であるかどうかを判断するために使用します。あなたの仕事は簡単ですが、それは正しいことではありません！私たちの知る限り、提案された作業は、HSEの社会的にインテリジェントなロボットポリシーをサポートする最初のタスクおよびモーションプランニングアプローチです。この継続的な作業を通じて、ロボットはソーシャルコンテキストを理解し、尊重し、活用して、HSEで許容可能かつ効果的にタスクを達成できます。

この論文の概要（機械翻訳による和訳）
環境内で人間と共存し、彼らのためにサービスを実行するロボットには、それらと対話する能力が必要です。このようなロボットの特定の要件の1つは、空間関係を理解し​​、ユーザーが表現した空間関係に従ってオブジェクトを配置できることです。この作業では、単一入力画像からの空間関係のセットのピクセル単位のオブジェクト配置確率を推定するための畳み込みニューラルネットワークを提示します。トレーニング中、ネットワークは、幻覚の高レベルシーン表現を補助タスクとして分類することで学習信号を受信します。以前のアプローチとは異なり、この方法は、ピクセルワイズ関係確率またはオブジェクトの3Dモデルのグラウンドトゥルースデータを必要としないため、実用性が大幅に向上します。アプリケーション。現実世界のデータと人間とロボットの実験を使用して得られた結果は、空間関係を再現するためにオブジェクトを配置する最適な方法についての推論における本方法の有効性を示しています。

この論文の概要（機械翻訳による和訳）
リレーショナルオートコンプリートは、リレーショナルデータベースの欠落しているフィールドに自動的に入力する問題です。離散および連続確率分布の両方をサポートする分布節（DC）の確率論的論理プログラミングフレームワーク内でこの問題に取り組みます。このフレームワーク内で、Dreamlを紹介します。これは、欠落している情報を含む可能性のあるデータベースからDCプログラムの構造とパラメーターの両方を学習するアプローチです。これを実現するために、Dreamlは統計モデリング、分布節、ルール学習を統合しています。 Dreamlの際立った特徴は、1）リレーショナルオートコンプリートに取り組む、2）統計モデルで拡張された分布句を学習する、3）離散分布と連続分布の両方に対処する、4）バックグラウンドの知識を活用できる、5）期待値最大化ベースのアルゴリズムを使用して対処することです欠損データ。

この論文の概要（機械翻訳による和訳）
マルチエージェントの深層学習システムにおける最近の発見は、構成言語の出現を指し示しています。これらの主張は、多くの場合、正確な分析や言語のテストなしで行われます。この作業では、2つの異なる協調型マルチエージェントゲームから生じる緊急言語を分析し、より正確な構成を測定します。私たちの調査結果は、ディープラーニングモデルによって発見されたソリューションは、しばしば抽象レベルで推論する能力に欠けているため、学習した知識をトレーニングの分布例から一般化できないことを示唆しています。組成能力をテストするための戦略と人間レベルの概念の出現について説明します。

この論文の概要（機械翻訳による和訳）
ゲームプレイエージェントのプレイヤーの心の感情理論に関するこの研究では、エージェントの行動とプレイヤー自身のパフォーマンスと感情がフラストレーションのある行動の認識をどのように形成するかを調査します。欲求不満は人間とコンピューターの相互作用における一般的な感情的経験であるため、フラストレーションの知覚に焦点を当てています。この目的に合わせて調整されたテストベッドゲームを紹介します。プレイヤーは、理論に基づいたフラストレーションモデルでエージェントと競合します。ゲームプレイデータ、エージェントのフラストレーションに対するプレーヤーの評価に関する注釈付きの真実、および顔認識を適用してプレーヤーの感情状態を推定します。相関分析と予測機械学習モデルを介して収集されたデータを調べ、プレーヤーの観察可能な感情は、エージェントの知覚されたフラストレーションとはあまり相関していないことがわかります。これは、被験者の心の理論がゲームプレイのコンテキストに基づいた認知プロセスであることを示唆しています。

この論文の概要（機械翻訳による和訳）
実存ルール、別名データベースの依存関係、および最近のDatalog +/-知識表現と推論は、コンピューターサイエンスや人工知能で広く使用されている重要な言語のファミリーです。モデル理論におけるこれらの言語の深い理解に向けて、 （選言的）組み込み依存関係、タプル生成依存関係（TGD）、（フロンティア）ガード付きTGD、線形TGDなどの多数の実存ルール言語。これらの特性化はすべて、任意の構造に当てはまり、それらのほとんどは、有限構造のクラスでも機能します。これらの特性化の自然な応用として、上記の言語の書き換え可能性の複雑さの限界も特定されています。

この論文の概要（機械翻訳による和訳）
本論文では、視覚的質問応答（VQA）の堅牢な説明を得る方法を提案します。私たちのモデルは、視覚的およびテキストによる説明を提供することにより、VQAモデルを通じて得られた回答を説明します。私たちが対処する主な課題は、i）現在の方法によって得られた回答とテキストの説明が十分に相関していないこと、およびii）現在の視覚的説明の方法が回答を説明するための適切な場所に焦点を当てていないことです。ノイズベースの攻撃を訓練しなくても、相関の強化により正しい説明と回答が生成されることを保証する協調相関モジュールを使用して、これらの両方の課題に対処します。さらに、これは生成された視覚的およびテキストによる説明の改善にも役立つことを示しています。相関モジュールの使用は、回答と説明が一貫しているかどうかを検証するための堅牢な方法と考えることができます。 VQA-Xデータセットを使用してこのモデルを評価します。提案された方法は、決定をサポートするより良いテキストと視覚の正当化をもたらすことを観察します。対応する視覚的およびテキストの説明を使用して、ノイズベースの摂動攻撃に対するモデルの堅牢性を示します。詳細な実証分析が示されています。ここで、モデル url {https://github.com/DelTA-Lab-IITK/CCM-WACV}のソースコードリンクを提供します。