Fugu-MT 論文翻訳(概要): Understanding Car-Speak: Replacing Humans in Dealerships

論文の概要: Understanding Car-Speak: Replacing Humans in Dealerships

arxiv url: http://arxiv.org/abs/2002.02070v1
Date: Thu, 6 Feb 2020 02:10:33 GMT
ステータス: 処理完了
システム内更新日: 2023-01-03 12:55:59.354768
Title: Understanding Car-Speak: Replacing Humans in Dealerships
Title（参考訳）: カースピークを理解する - 人間をディーラーに置き換える
Authors: Habeeb Hooshmand, James Caverlee
Abstract要約: アメリカでの自動車購入体験の大部分は、自動車ディーラーとの交流に関するものである。ほとんどの自動車購入者は、必要な車両の抽象的な記述しか持っていない。カー・スピーカー(Car-speak)は、自動車の物理的特性に関連する抽象言語である。
参考スコア（独自算出の注目度）: 16.810138167219428
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A large portion of the car-buying experience in the United States involves interactions at a car dealership. At the dealership, the car-buyer relays their needs to a sales representative. However, most car-buyers are only have an abstract description of the vehicle they need. Therefore, they are only able to describe their ideal car in "car-speak". Car-speak is abstract language that pertains to a car's physical attributes. In this paper, we define car-speak. We also aim to curate a reasonable data set of car-speak language. Finally, we train several classifiers in order to classify car-speak.
Abstract（参考訳）: アメリカでの自動車購入体験の大部分は、自動車ディーラーとの交流に関するものである。ディーラーでは、自動車販売業者が販売担当者にニーズを伝えます。しかし、ほとんどの自動車購入者は必要な車両の抽象的な記述しか持っていない。そのため、彼らは理想の車を「カースピーカー」でしか表現できない。カースピーカー(car-speak)は、自動車の物理的属性に関する抽象言語である。本稿では,カースピーカーを定義する。また、車載言語の合理的なデータセットのキュレートも目指しています。最後に,カースピーカーを分類するために,いくつかの分類器を訓練する。

関連論文リスト

Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文参考訳（メタデータ） (2024-11-07T21:37:51Z)
Structural Information Guided Multimodal Pre-training for Vehicle-centric Perception [36.92036421490819]
そこで我々は,VagerMAEと呼ばれる新しい車両中心の事前学習フレームワークを提案する。車両のスケッチラインを空間構造の形式として明示的に抽出し,車両の再建を誘導する。大規模なデータセットは、約100万の車両画像と12693のテキスト情報を含むAutobot1Mと呼ばれるモデルを事前訓練するために構築されている。
論文参考訳（メタデータ） (2023-12-15T14:10:21Z)
Decentralized cooperative perception for autonomous vehicles: Learning to value the unknown [1.2246649738388387]
我々は、エージェントが完全な知覚を求めて活動する分散的なコラボレーション、すなわちピアツーピアを提案する。我々は,未知の車両を自我車に要求するだけで,通常の通信パラダイムを逆転する通信方針を学習する方法を提案する。特に,局所予測可能なVAE (LP-VAE) を提案する。
論文参考訳（メタデータ） (2022-12-12T00:01:27Z)
Towards human-compatible autonomous car: A study of non-verbal Turing test in automated driving with affective transition modelling [12.70020147251383]
本研究は、69人の参加者のフィードバックに基づいて、AIドライバーが乗客のための人間ライクな乗車体験を作成できるかどうかを実路シナリオで検証した。テストでは,人間の乗客がどのように人間性に順応するかを検討した。その結果、乗客の人間性の記述は、より感情的な移行によって増加することが判明した。
論文参考訳（メタデータ） (2022-12-06T12:06:34Z)
Kaggle Competition: Cantonese Audio-Visual Speech Recognition for In-car Commands [48.155806720847394]
車載スマートアシスタントは、車に関するコマンドだけでなく、一般的な処理も行う必要がある。ほとんどのデータセットは、英語や中国語などの主要言語で使われている。我々は車載コマンドに対するカントネーゼ音声認識を提案する。
論文参考訳（メタデータ） (2022-07-06T13:31:56Z)
COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文参考訳（メタデータ） (2022-05-04T17:55:12Z)
Few-shot Language Coordination by Modeling Theory of Mind [95.54446989205117]
我々は、数ショット$textit language coordinate$のタスクについて研究する。リードエージェントは、言語能力の異なるエージェントの$textitpopulation$と調整する必要があります。これは、人間のコミュニケーションの重要な構成要素であるパートナーの信念をモデル化する能力を必要とする。
論文参考訳（メタデータ） (2021-07-12T19:26:11Z)
Connecting Language and Vision for Natural Language-Based Vehicle Retrieval [77.88818029640977]
本稿では,言語記述という新たなモダリティを,興味ある車両の探索に適用する。言語と視覚を結びつけるために,トランスフォーマーに基づく言語モデルを用いて最先端の視覚モデルを共同で訓練することを提案する。提案手法は第5回AIシティチャレンジで1位を獲得し、18.69%のMRRの精度で競争性能を得た。
論文参考訳（メタデータ） (2021-05-31T11:42:03Z)
Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文参考訳（メタデータ） (2020-12-15T03:03:38Z)
Self-play for Data Efficient Language Acquisition [20.86261546611472]
学習エージェントにおける言語習得の効率と品質を向上させるために,コミュニケーションの対称性を利用する。直接監督の代わりにセルフプレイを使用することで、エージェントが役割間で知識を伝達できることが示される。
論文参考訳（メタデータ） (2020-10-10T02:09:19Z)
To Explain or Not to Explain: A Study on the Necessity of Explanations for Autonomous Vehicles [26.095533634997786]
1103ビデオクリップの必要性を1対1で説明する自動運転説明データセットを提案する。我々の研究は、ドライバーのタイプと運転シナリオが説明が必要かどうかを判断することを示した。特に、ニアクラッシュなイベントの必要性には同意する傾向にあるが、通常の運転状況や異常運転状況については異なる意見を持っている。
論文参考訳（メタデータ） (2020-06-21T00:38:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。