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
- WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work
Tasks? [85.05288624713359]
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29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) - An Architecture for Unattended Containerized (Deep) Reinforcement
Learning with Webots [0.0]
3Dの世界におけるエージェントによる強化学習は、依然として課題に直面している。
シミュレーションソフトウェアの使用に必要な知識と、意図しないトレーニングパイプラインにおけるスタンドアロンのシミュレーションソフトウェアの利用。
論文 参考訳(メタデータ) (2024-02-06T12:08:01Z) - VisualWebArena: Evaluating Multimodal Agents on Realistic Visual Web
Tasks [96.9727427788202]
VisualWebArenaは、マルチモーダルWebエージェントのパフォーマンスを現実的なタスクで評価するために設計されたベンチマークである。
このベンチマークを実行するには、イメージテキスト入力を正確に処理し、自然言語命令を解釈し、ユーザが定義した目的を達成するためにウェブサイト上でアクションを実行する必要がある。
論文 参考訳(メタデータ) (2024-01-24T18:35:21Z) - 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) - Artificial Intelligence for the Metaverse: A Survey [66.57225253532748]
まず、機械学習アルゴリズムやディープラーニングアーキテクチャを含むAIの予備と、メタバースにおけるその役割について紹介する。
次に、メタバースの可能性を秘めた6つの技術的側面に関するAIベースの手法に関する包括的調査を行う。
医療、製造業、スマートシティ、ゲームなどのAI支援アプリケーションは、仮想世界に展開するために研究されている。
論文 参考訳(メタデータ) (2022-02-15T03:34:56Z) - A Survey of Embodied AI: From Simulators to Research Tasks [13.923234397344487]
ネットワークAI」の時代から「身体AI」への新たなパラダイムシフト
本稿では,最先端のAIシミュレータと研究を包括的に調査する。
論文 参考訳(メタデータ) (2021-03-08T17:31:19Z) - 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) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳(メタデータ) (2020-11-17T22:24:26Z) - 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。
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。