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
- Speech Is Not Enough: Interpreting Nonverbal Indicators of Common Knowledge and Engagement [17.25829281965904]
マルチモーダル分析は、グループメンバーの非言語的相互作用を特定するために重要である。
本稿では,教室における学生のタスク指向インタラクションにおける非言語行動の検出と追跡について紹介する。
論文 参考訳(メタデータ) (2024-12-08T03:26:44Z) - Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。
本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。
我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
論文 参考訳(メタデータ) (2024-10-24T10:48:42Z) - A Survey on Complex Tasks for Goal-Directed Interactive Agents [60.53915548970061]
この調査は、目標指向の対話エージェントを評価するための、関連するタスクと環境をコンパイルする。
関連リソースの最新のコンパイルは、プロジェクトのWebサイトにある。
論文 参考訳(メタデータ) (2024-09-27T08:17:53Z) - Mutual Theory of Mind in Human-AI Collaboration: An Empirical Study with LLM-driven AI Agents in a Real-time Shared Workspace Task [56.92961847155029]
心の理論(ToM)は、他人を理解する上で重要な能力として、人間の協調とコミュニケーションに大きな影響を及ぼす。
Mutual Theory of Mind (MToM) は、ToM能力を持つAIエージェントが人間と協力するときに発生する。
エージェントのToM能力はチームのパフォーマンスに大きな影響を与えず,エージェントの人間的理解を高めていることがわかった。
論文 参考訳(メタデータ) (2024-09-13T13:19:48Z) - Beyond Following: Mixing Active Initiative into Computational Creativity [7.366868731714772]
本研究では,アクティブで学習的なAIエージェントが創造的責任を期待する創造者に与える影響について検討する。
我々は、人間から学習し、協調的な意思決定の信念を更新し、その能力の切り替えを行うマルチアームバンドエージェントを開発する。
論文 参考訳(メタデータ) (2024-09-06T18:56:08Z) - 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) - 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。