MétaCan
Menu
Retour à la cohorte
Enregistrement W2794266804 · doi:10.1109/tsmc.2018.2792542

Autonomous Cognitive Robots Need Emotional Modulations: Introducing the eMODUL Model

2018· article· en· W2794266804 sur OpenAlexaff
Marwen Belkaid, Nicolas Cuperlier, Philippe Gaussier

Notice bibliographique

RevueIEEE Transactions on Systems Man and Cybernetics Systems · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensNeuroDevNet
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésCognitionCognitive sciencePsychologyAutonomyAdaptation (eye)Cognitive psychologyComputational modelEmbodied cognitionTask (project management)Cognitive modelRobotConceptual modelComputer scienceArtificial intelligenceNeuroscienceEngineering

Résumé

récupéré en direct d'OpenAlex

Emotion is an integral part of cognition. There is significant evidence of mutual, bi-directional influence between cognitive and emotional processes. Also, more and more research works propose an integrative view of emotion and cognition. In this paper, we review a large literature on emotion-cognition interactions in psychology, neuroscience, and computational modeling. Then, we introduce eMODUL, which consolidates this literature into a conceptual model. In particular, this model stresses the importance of emotional modulations and the roles they play with respect to the system autonomy depending on the targeted computational/cognitive processes (e.g., allocation of resources, organization of behavior). To illustrate these aspects and support our theoretical model, we review two robotic experiments where eMODUL is instantiated. The results demonstrate the interest of our approach for the development of interaction/communication and autonomy/adaptation capabilities in cognitive robots. In terms of natural cognition understanding they give additional insights into the emergence of emotion, the construction of multilevel appraisal, and the link between emotion and cognition in task-related emotions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,308
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Systems Man and Cybernetics SystemsMême sujetSocial Robot Interaction and HRITravaux en français237 207