論文の概要: Towards Effective Human-AI Collaboration in GUI-Based Interactive Task
Learning Agents
- arxiv url: http://arxiv.org/abs/2003.02622v1
- Date: Thu, 5 Mar 2020 14:12:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 07:16:53.792216
- Title: Towards Effective Human-AI Collaboration in GUI-Based Interactive Task
Learning Agents
- Title(参考訳): GUIを用いた対話型タスク学習エージェントにおける効果的なヒューマンAIコラボレーションに向けて
- Authors: Toby Jia-Jun Li, Jingya Chen, Tom M. Mitchell, Brad A. Myers
- Abstract要約: 我々は、インテリジェントエージェントに有用な対話型タスク学習を可能にする上で重要な課題は、効果的な人間とAIのコラボレーションを促進することであると論じている。
SGILITEシステムを設計・開発・研究するための過去5年間の取り組みを振り返る。
- 参考スコア(独自算出の注目度): 29.413358312233253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We argue that a key challenge in enabling usable and useful interactive task
learning for intelligent agents is to facilitate effective Human-AI
collaboration. We reflect on our past 5 years of efforts on designing,
developing and studying the SUGILITE system, discuss the issues on
incorporating recent advances in AI with HCI principles in mixed-initiative
interactions and multi-modal interactions, and summarize the lessons we
learned. Lastly, we identify several challenges and opportunities, and describe
our ongoing work
- Abstract(参考訳): 我々は、インテリジェントエージェントに有用な対話型タスク学習を可能にする上で重要な課題は、効果的な人間とAIのコラボレーションを促進することであると論じている。
スギライトシステムの設計、開発、研究に過去5年間の取り組みを振り返り、hciの原則を組み込んだ最近のaiの進歩をミックスインイニシアティブインタラクションとマルチモーダルインタラクションに組み込む問題について議論し、私たちが学んだ教訓をまとめます。
最後に、いくつかの課題と機会を特定し、進行中の作業について説明する。
関連論文リスト
- A Review of Cooperation in Multi-agent Learning [5.334450724000142]
マルチエージェント学習(MAL)における協調は、多くの分野の共通点におけるトピックである。
本稿では,マルチエージェント学習の基本概念,問題設定,アルゴリズムについて概説する。
論文 参考訳(メタデータ) (2023-12-08T16:42:15Z) - From Interactive to Co-Constructive Task Learning [13.493719155524404]
インタラクティブなタスク学習に関する現在の提案をレビューし、その主な貢献について論じる。
次に、共同構築の概念について議論し、成人とロボットの相互作用からの研究知見を要約する。
論文 参考訳(メタデータ) (2023-05-24T19:45:30Z) - Towards Applying Powerful Large AI Models in Classroom Teaching:
Opportunities, Challenges and Prospects [5.457842083043013]
本稿では,人工知能(AI)を用いた授業実践の促進を目的とした,インタラクティブなシナリオのシリーズを提案する。
教師と学生の対話を強化し、充実させるAIの可能性を探り、教育の質を向上させる。
論文 参考訳(メタデータ) (2023-05-05T11:09:13Z) - A Survey on Proactive Dialogue Systems: Problems, Methods, and Prospects [100.75759050696355]
本稿では,対話エージェントの多種多様な対話における能動性に関する顕著な問題と先進的な設計について概説する。
我々は、現実世界のアプリケーションのニーズを満たすが、将来もっと研究に焦点を当てる必要がある課題について議論する。
論文 参考訳(メタデータ) (2023-05-04T11:38:49Z) - Improving Grounded Language Understanding in a Collaborative Environment
by Interacting with Agents Through Help Feedback [42.19685958922537]
我々は、人間とAIのコラボレーションは対話的であり、人間がAIエージェントの作業を監視し、エージェントが理解し活用できるフィードバックを提供するべきだと論じている。
本研究では, IGLUコンペティションによって定義された課題である, マイニングクラフトのような世界における対話型言語理解タスクを用いて, これらの方向を探索する。
論文 参考訳(メタデータ) (2023-04-21T05:37:59Z) - CAMEL: Communicative Agents for "Mind" Exploration of Large Language
Model Society [58.04479313658851]
本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。
本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。
コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
論文 参考訳(メタデータ) (2023-03-31T01:09:00Z) - Learning by Asking for Embodied Visual Navigation and Task Completion [20.0182240268864]
本稿では,タスク完了のための追加情報を動的に取得するために,いつ,どの質問をするかを学習するELBA(Embodied Learning-By-Asking)モデルを提案する。
実験結果から,ELBAは質問応答能力のないベースラインモデルに比べ,タスク性能の向上を図っている。
論文 参考訳(メタデータ) (2023-02-09T18:59:41Z) - IGLU 2022: Interactive Grounded Language Understanding in a
Collaborative Environment at NeurIPS 2022 [63.07251290802841]
協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。
競争の第一の目的は、対話型エンボディエージェントの開発方法の問題にアプローチすることである。
この研究課題は、NeurIPSコミュニティと非常に関係のある2つの研究分野に自然に関連があるが、限定的ではない。
論文 参考訳(メタデータ) (2022-05-27T06:12:48Z) - Autonomous Open-Ended Learning of Tasks with Non-Stationary
Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。
内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。
特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。
そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文 参考訳(メタデータ) (2022-05-16T10:43:01Z) - Interactive Grounded Language Understanding in a Collaborative
Environment: IGLU 2021 [58.196738777207315]
協調環境における対話型接地言語理解のためのemphIGLUを提案する。
競争の主目的は、対話型エージェントをいかにして構築するかという問題にアプローチすることであり、協調環境において、接地された自然言語命令を提供しながらタスクの解決を学ぶことである。
論文 参考訳(メタデータ) (2022-05-05T01:20:09Z) - NeurIPS 2021 Competition IGLU: Interactive Grounded Language
Understanding in a Collaborative Environment [71.11505407453072]
協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。
競争の主目的は、対話型エージェントをいかにして構築するかという問題にアプローチすることであり、協調環境において、接地された自然言語命令を提供しながらタスクの解決を学ぶことである。
この研究課題は、自然言語理解・生成(NLU/G)と強化学習(RL)という、NeurIPSコミュニティと密接に関連している2つの分野に自然に関連している。
論文 参考訳(メタデータ) (2021-10-13T07:13:44Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。