抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
タスクとドメインを一般化する学習表現は,自律システムにとってまだ必要である。タスク駆動アプローチが魅力的であるが,各アプリケーションに特有な設計モデルは,特に異なる環境において異なるタスクから生じる高可変マルチモーダル入力空間を扱う場合,限られたデータに直面して困難である。タスク固有のモデルおよび既存の予訓練手法の限界を克服するために,初めての汎用予訓練パイプライン,AutonomouSシステム(COMPASS)のためのCOntrasiveマルチモーダルプレトレーニングを導入した。COMPASSは,自律システムに対する本質的な情報と,異なるモダリティの特性を考慮することにより,マルチモーダルグラフを構築する。このグラフを通して,マルチモーダル信号が接続され,2つの因数化した時空間潜在空間,すなわち「運動パターン空間」と「電流状態空間」に写像される。各潜在空間におけるマルチモーダル対応からの学習により,COMPASSは,時間動力学,幾何学,および意味論のような必要な情報をモデル化する状態表現を生成する。COMPASSを大規模マルチモーダルシミュレーションデータセットTartanAir cite{tartanair 2020 iros}にプレトレインし,それをドローンナビゲーション,車両レース,および視覚オドメトリータスクで評価した。実験は,COMPASSが3つのシナリオすべてに取り組むことができ,また,環境および実世界データに一般化できることを示している。【JST・京大機械翻訳】