内省型智能体:代表行动机构的策略、生理和感知间的相互依存
构建自主的、适应性的代理,通过整合控制论、强化学习和神经科学的最新进展,以内部环境控制为基础,借鉴生命的数学属性,提供了一个以内感为中心的新视角,从而建立自主的适应性代理。
Sep, 2023
本文对体感式人工智能领域进行了综合系统的调查和研究,包括对九个当前体感式人工智能模拟器的评估,以及对于该领域的三项研究任务,即视觉探索、视觉导航和身体问题回答的探索,并旨在为该领域模拟器和未来方向的选择提供建议。
Mar, 2021
我们提出了 “具身人工智能” 作为追求 “人工通用智能” 的下一个基本步骤,并对其与当前人工智能进展,特别是大型语言模型进行对比。我们横跨哲学、心理学、神经科学和机器人技术等多个领域探讨了具身概念的演变,以突显具身人工智能如何与静态学习的经典范式有所区别。通过拓宽具身人工智能的范围,我们提出了一个基于认知架构的理论框架,强调感知、行动、记忆和学习作为具身代理的重要组成部分。该框架与弗里斯顿的主动推理原则相一致,为具身人工智能的发展提供了一个全面的方法。尽管人工智能领域取得了进展,但仍存在诸多挑战,如制定新的人工智能学习理论和创新先进硬件等。我们的讨论为未来的具身人工智能研究提供了基础性的指导方针。强调创造具身人工智能代理能够与人类和其他智能体在真实环境中实现无缝通信、协作和共存的重要性,我们旨在引导人工智能社群应对多方面挑战,并抓住在追求人工通用智能过程中出现的机遇。
Feb, 2024
该论文提出了一种名为虚拟体验(virtual embodiment)的多模式 AI 策略,它允许开发人工智能的可伸缩性,并以一种伦理负责的方式在领域内逐步推进。
Oct, 2016
多模态人工智能系统中,基于 Agent 的多模态智能研究,通过在真实和虚拟环境中嵌入具有感知能力的智能体,能够处理和解释视觉和语境数据,以提高智能系统的上下文感知和交互能力。
Jan, 2024
该研究旨在探讨人类探索行为与人工智能自主性和适应性的联系,并将认知心理学范例应用于机器学习方法中。研究表明,与人类对应的人工智能代理可以通过内部状态与探索行为之间的因果关系来学习并自我发展,这对于人类认知研究和人工智能的发展都具有重大意义。
Feb, 2023
利用大型基础模型提高我们对开放环境中感知信息的理解,在 AI 研究中强调发展集成大型基础模型的代理人 AI,这一新兴领域涉及机器人技术、游戏和医疗等多种具身和基于代理的多模态交互,并讨论了代理人 AI 在各个领域和任务中展现出的能力,挑战我们对学习和认知的理解,通过跨学科视角探讨了代理人 AI 的潜力,并强调将其纳入科学讨论中,为未来的研究方向提供基础并促进更广泛的社会参与。
Feb, 2024
本文探讨了人工智能在伦理、决策制定等方面引发的一些问题和讨论,并重点讨论 AI 代理人中的 “自我” 认知和其在决策制定方面的作用。作者旨在提倡建立拥有更强自我认知的 AI 代理人的研究。
Jan, 2022
机器人技术、具身智能、神经形态计算、机器人学、神经形态人工智能是本文的五个关键词。本文探讨了通过我们的观点实现机器人系统的具身神经形态人工智能的方法,并确立了研究挑战和机会以及对未来研究发展的愿景。
Apr, 2024