Fugu-MT 論文翻訳(概要): WES: Agent-based User Interaction Simulation on Real Infrastructure

論文の概要: WES: Agent-based User Interaction Simulation on Real Infrastructure

arxiv url: http://arxiv.org/abs/2004.05363v1
Date: Sat, 11 Apr 2020 10:50:34 GMT
ステータス: 処理完了
システム内更新日: 2022-12-14 13:18:49.238488
Title: WES: Agent-based User Interaction Simulation on Real Infrastructure
Title（参考訳）: WES:実インフラ上でのエージェントベースユーザインタラクションシミュレーション
Authors: John Ahlgren, Maria Eugenia Berezin, Kinga Bojarczuk, Elena Dulskyte, Inna Dvortsova, Johann George, Natalija Gucevska, Mark Harman, Ralf L\"ammel, Erik Meijer, Silvia Sapora, Justin Spahr-Summers
Abstract要約: 本稿では,Web-Enabled Simulation (WES) 研究アジェンダを紹介し,FACEBOOK の WW システムについて述べる。 FACEBOOKにおける信頼性,完全性,プライバシへのWWの適用について述べる。
参考スコア（独自算出の注目度）: 11.533301899300627
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce the Web-Enabled Simulation (WES) research agenda, and describe FACEBOOK's WW system. We describe the application of WW to reliability, integrity and privacy at FACEBOOK , where it is used to simulate social media interactions on an infrastructure consisting of hundreds of millions of lines of code. The WES agenda draws on research from many areas of study, including Search Based Software Engineering, Machine Learning, Programming Languages, Multi Agent Systems, Graph Theory, Game AI, and AI Assisted Game Play. We conclude with a set of open problems and research challenges to motivate wider investigation.
Abstract（参考訳）: 本稿では,Web-Enabled Simulation (WES) 研究アジェンダを紹介し,FACEBOOK の WW システムについて述べる。 FACEBOOKでは,何億行ものコードからなるインフラストラクチャ上でのソーシャルメディアのインタラクションをシミュレートするために,WWの信頼性,完全性,プライバシへの適用について説明する。 WESアジェンダは、検索ベースのソフトウェアエンジニアリング、機械学習、プログラミング言語、マルチエージェントシステム、グラフ理論、ゲームAI、AI支援ゲームプレイなど、多くの研究分野から研究を導いている。我々は、より広い調査の動機づけとなるオープンな問題と研究課題のセットで結論づける。

関連論文リスト

GRUtopia: Dream General Robots in a City at Scale [65.08318324604116]
本稿では,各種ロボットを対象とした対話型3D社会「GRUtopia」について紹介する。 GRScenesには100万のインタラクティブな微妙な注釈付きシーンが含まれており、都市規模の環境に自由に組み合わせることができる。 GRResidentsはLarge Language Model (LLM)によって駆動されるNon-Player Character (NPC)システムである。
論文参考訳（メタデータ） (2024-07-15T17:40:46Z)
Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [129.08019405056262]
人工知能(Embodied AI)は、人工知能(AGI)の実現に不可欠である MLMとWMは、その顕著な知覚、相互作用、推論能力のために、大きな注目を集めている。本調査では,Embodied AIの最近の進歩を包括的に調査する。
論文参考訳（メタデータ） (2024-07-09T14:14:47Z)
Towards Imitation Learning in Real World Unstructured Social Mini-Games in Pedestrian Crowds [40.244244289229925]
イミテーションラーニング(IL)戦略は、人間の軌道から学習することで、ロボットの動き計画とナビゲーションのためのポリシーを生成するために用いられる。動作計画タスクにおける実世界の社会的相互作用シナリオにおける代表的IL手法のベンチマークを行った。まず、密結合相互作用におけるエージェントの多様な動作モードを学習するために、マルチエージェントコスト関数の学習が必要である。
論文参考訳（メタデータ） (2024-05-26T05:48:21Z)
Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
論文参考訳（メタデータ） (2024-04-17T02:57:42Z)
WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? [83.19032025950986]
本稿では,Webブラウザを介してソフトウェアと対話する大規模言語モデルベースエージェントについて検討する。 WorkArenaは、広く使用されているServiceNowプラットフォームに基づく33のタスクのベンチマークである。 BrowserGymは、そのようなエージェントの設計と評価のための環境である。
論文参考訳（メタデータ） (2024-03-12T14:58:45Z)
OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
論文参考訳（メタデータ） (2023-04-10T03:55:35Z)
ROS-PyBullet Interface: A Framework for Reliable Contact Simulation and Human-Robot Interaction [17.093672006793984]
信頼性の高いコンタクト/インパクトシミュレータPyBulletとロボットオペレーティングシステム(ROS)のブリッジを提供するフレームワークであるROS-PyBullet Interfaceを提案する。さらに,シミュレーション環境でのヒューマン・ロボット・インタラクション(HRI)を促進するために,新たなユーティリティを提供する。
論文参考訳（メタデータ） (2022-10-13T10:31:36Z)
From Multi-agent to Multi-robot: A Scalable Training and Evaluation Platform for Multi-robot Reinforcement Learning [12.74238738538799]
マルチエージェント強化学習(MARL)は、過去数十年間、学術や産業から広く注目を集めてきた。これらの手法が実際のシナリオ、特にマルチロボットシステムでどのように機能するかは未だ分かっていない。本稿では,マルチロボット強化学習(MRRL)のためのスケーラブルなエミュレーションプラットフォームSMARTを提案する。
論文参考訳（メタデータ） (2022-06-20T06:36:45Z)
Learning to Fly -- a Gym Environment with PyBullet Physics for Reinforcement Learning of Multi-agent Quadcopter Control [0.0]
本稿では,Bullet物理エンジンに基づく複数クワッドコプターのオープンソース環境を提案する。マルチエージェントおよびビジョンベースの強化学習インターフェース、および現実的な衝突と空力効果のサポートは、私たちの知識の最高に、その種の最初のものにします。
論文参考訳（メタデータ） (2021-03-03T02:47:59Z)
SMARTS: Scalable Multi-Agent Reinforcement Learning Training School for Autonomous Driving [96.50297622371457]
マルチエージェントインタラクションは、現実の世界における自律運転の基本的な側面である。研究と開発が10年以上続いたにもかかわらず、様々なシナリオで多様な道路ユーザーと対話する方法の問題は未解決のままである。 SMARTSと呼ばれる,多種多様な運転インタラクションを生成する専用シミュレーションプラットフォームを開発した。
論文参考訳（メタデータ） (2020-10-19T18:26:10Z)

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。