MARC

 008250123s2024        us                              c    eng  d
■001000017162445
■00520250211152013
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382831916
■035    ▼a(MiAaPQ)AAI31331450
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a629.8
■1001  ▼aGong,  Ran.
■24510▼aAdvancing  the  Cognitive  Abilities  of  Embodied  Agents:  Large-Scale  Simulations  and  Multi-agent  Collaborations
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a210  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-12,  Section:  B.
■500    ▼aAdvisor:  Terzopoulos,  Demetri;Zhu,  Song-Chun.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2024.
■520    ▼aTo  construct  a  general  artificial  intelligence  system,  embodied  agents  must  be  able  to  perceive  their  environment,  understand  human  language,  engage  in  complex  reasoning,  manipulate  objects,  and  collaborate  with  humans  and  each  other.  Cognitive  science  research  suggests  that  intelligence  emerges  from  sensorimotor  experiences  and  interactions  with  the  physical  world.  However,  learning  active  perception  and  sensorimotor  control  through  interaction  with  the  physical  environment  can  be  challenging  because  existing  algorithms  are  too  slow  for  real-time  learning,  and  embodied  agents  are  fragile  and  expensive.  Consequently,  there  is  a  pressing  need  for  virtual  simulation  systems  that  can  mimic  complex  behaviors  and  facilitate  agent-environment  interactions.  In  addition  to  mastering  basic  physical  skills,  embodied  agents  also  need  to  engage  in  long-horizon  task  planning,  coordination,  and  abstract  reasoning  to  be  effective  in  real-world  scenarios.The  first  line  of  research  reported  in  this  thesis  focuses  on  developing  simulation  environments  in  which  robots  can  interact  with  human  users  and  their  surroundings.  We  introduce  a  new  simulation  environment,  VRKitchen,  which  enables  the  simulation  of  complex  high-level  behaviors  and  state  changes.  We  also  collect  a  dataset  featuring  human-environment  interactions  to  predict  human  intentions.  Furthermore,  we  develop  a  new  system,  ARNOLD,  to  simulate  intricate  low-level  physics,  including  articulated  objects  and  liquids.  Using  the  ARNOLD  Dataset,  we  assess  the  abilities  of  robots  to  comprehend  human  language  and  execute  complex  manipulations  under  varied  visual  conditions,  thereby  evaluating  their  generalization  capabilities  in  diverse  and  novel  environments.The  second  line  of  research  addresses  multi-agent  collaboration  and  task  allocation.  We  examine  how  robots  of  various  types  can  cooperate  with  each  other  or  with  human  users  to  accomplish  common  tasks.  Initially,  we  propose  a  joint  mind  modeling  framework  based  on  the  theory  of  mind  to  enhance  the  collaboration  between  humans  and  robots.  Subsequently,  we  create  a  suite  of  multi-robot  vision-based  collaboration  tasks,  LEMMA,  where  robots  positioned  around  a  tabletop  must  collaborate  to  complete  a  task  based  on  high-level  instructions  and  also  utilize  tools.  Lastly,  leveraging  large  language  models,  we  introduce  a  centralized  multi-agent  dispatcher  framework,  MindAgent,  and  its  associated  benchmarks  and  infrastructures.
■590    ▼aSchool  code:  0031.
■650  4▼aRobotics
■650  4▼aComputer  engineering
■650  4▼aComputer  science
■653    ▼aCollaborations
■653    ▼aEmbodied  AI
■653    ▼aSimulation
■653    ▼aARNOLD
■653    ▼aCognitive  abilities
■690    ▼a0800
■690    ▼a0771
■690    ▼a0984
■690    ▼a0464
■71020▼aUniversity  of  California,  Los  Angeles▼bComputer  Science  0201.
■7730  ▼tDissertations  Abstracts  International▼g85-12B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162445▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books