Unsupervised, Bottom-up Category Discovery for Symbol Grounding with a Curious Robot

要約

シンボルグラウンディング問題の解決に向けて、また幼児期の言語発達に動機づけられながら、我々は好奇心の近似モデルを備えたロボットを活用し、特に物理的世界に根ざした教師なしカテゴリのボトムアップ的構築に焦点を当てる。つまり、トップダウンのシンボル（例えば、物体を指す単語）から出発し、あらかじめ決められたサンプルの適用を通じて意味を与えるのではなく、ロボットは自律的に、徐々に一連の具体的なラベルのないカテゴリーに探索空間を分割し、その時点で外部の専門家が任意にシンボルの関連付けを行う。我々は、視覚世界を観察できるロボットを使用し、より高次元の感覚空間を導入し、より一般化可能なカテゴリー構築方法を使用することで、先行研究を拡張する。我々の実験は、ロボットが行動と視覚的に観察したものに基づいてカテゴリーを学習すること、そしてそれらのカテゴリーをシンボル的に根拠づけることができることを示している。https://info.arxiv.org/help/prep#comments

要約(オリジナル)

Towards addressing the Symbol Grounding Problem and motivated by early childhood language development, we leverage a robot which has been equipped with an approximate model of curiosity with particular focus on bottom-up building of unsupervised categories grounded in the physical world. That is, rather than starting with a top-down symbol (e.g., a word referring to an object) and providing meaning through the application of predetermined samples, the robot autonomously and gradually breaks up its exploration space into a series of increasingly specific unlabeled categories at which point an external expert may optionally provide a symbol association. We extend prior work by using a robot that can observe the visual world, introducing a higher dimensional sensory space, and using a more generalizable method of category building. Our experiments show that the robot learns categories based on actions and what it visually observes, and that those categories can be symbolically grounded into.https://info.arxiv.org/help/prep#comments

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL