Meta-reasoning Using Attention Maps and Its Applications in Cloud Robotics

要約

AIの支部であるMetareasoningは、理由についての推論に焦点を当てています。
予期せぬ状況でロボットの意思決定プロセスを強化する可能性があります。
ただし、この概念は、主に理論的な議論とケースバイケースの調査に限定されてきましたが、計算の価値（VOC）が未定義である場合、一般的かつ実用的な解決策がありません。これは予期しない状況で一般的です。
この作業では、予期しない状況での元のアプローチのスケーラビリティを大幅に向上させる改訂されたメタ季節フレームワークを提案します。
これは、セマンティックな注意マップと監視されていない「注意」の更新をメタレーピングプロセスに組み込むことによって達成されます。
環境のダイナミクスに対応するために、「Line of Thound」は、抽象化された注意を払ってコンテキスト固有のオブジェクトを橋渡しするために使用されますが、メタ情報は効果的な推論のためにメタレベルで監視および制御されます。
提案されたアプローチの実用性は、実際のシナリオで展開されたクラウドロボットを通じて実証されており、パフォーマンスと堅牢性の向上を示しています。

要約(オリジナル)

Metareasoning, a branch of AI, focuses on reasoning about reasons. It has the potential to enhance robots’ decision-making processes in unexpected situations. However, the concept has largely been confined to theoretical discussions and case-by-case investigations, lacking general and practical solutions when the Value of Computation (VoC) is undefined, which is common in unexpected situations. In this work, we propose a revised meta-reasoning framework that significantly improves the scalability of the original approach in unexpected situations. This is achieved by incorporating semantic attention maps and unsupervised ‘attention’ updates into the metareasoning processes. To accommodate environmental dynamics, ‘lines of thought’ are used to bridge context-specific objects with abstracted attentions, while meta-information is monitored and controlled at the meta-level for effective reasoning. The practicality of the proposed approach is demonstrated through cloud robots deployed in real-world scenarios, showing improved performance and robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google