論文の概要: Explainable Composition of Aggregated Assistants

• arxiv url: http://arxiv.org/abs/2011.10707v1
• Date: Sat, 21 Nov 2020 02:39:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 23:13:58.826804
• Title: Explainable Composition of Aggregated Assistants
• Title（参考訳）: 集約アシスタントの説明可能な構成
• Authors: Sarath Sreedharan, Tathagata Chakraborti, Yara Rizk and Yasaman Khazaeni
• Abstract要約: このようなアシスタントの自動構成におけるプランニングの役割について論じる。 我々は、自動計画の概念が、エンドユーザーに対するアシスタントの内部動作の透明性を確立するのにどのように役立つかを探求する。
• 参考スコア（独自算出の注目度）: 23.89715624348942
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A new design of an AI assistant that has become increasingly popular is that of an "aggregated assistant" -- realized as an orchestrated composition of several individual skills or agents that can each perform atomic tasks. In this paper, we will talk about the role of planning in the automated composition of such assistants and explore how concepts in automated planning can help to establish transparency of the inner workings of the assistant to the end-user.
• Abstract（参考訳）: AIアシスタントの新たなデザインは、原子タスクをそれぞれ実行可能ないくつかの個別のスキルやエージェントの編成された構成として実現された、"集約されたアシスタント"である。 本稿では、このようなアシスタントの自動構成における計画の役割について論じ、自動化計画における概念が、エンドユーザーに対するアシスタントの内部動作の透明性の確立にどのように役立つかを検討する。

関連論文リスト

• Towards Intention Recognition for Robotic Assistants Through Online POMDP Planning [2.693342141713236]
  意図認識は、人間の日常的なタスクを支援する自動アシスタントの設計と開発において重要な役割を果たす。 本稿では,オンラインの意図認識のための部分的に観測可能なモデルについて述べるとともに,予備的な実験結果を示すとともに,この問題のファミリに存在する課題について論じる。
  論文  参考訳（メタデータ） (2024-11-26T11:13:00Z)
• AssistantX: An LLM-Powered Proactive Assistant in Collaborative Human-Populated Environment [15.475084260674384]
  AssistantXは、物理的なオフィス環境で自律的に動作するように設計されたプロアクティブアシスタントである。 従来のサービスロボットとは異なり、AssistantXは、高度な推論機能を提供する新しいマルチエージェントアーキテクチャPPDR4Xを利用している。 評価では、アーキテクチャの有効性を強調し、AssistantXが明確な指示に応答し、メモリから積極的に補足情報を検索し、積極的にチームメンバの協力を求め、タスクの完了を確実にすることを示す。
  論文  参考訳（メタデータ） (2024-09-26T09:06:56Z)
• Pragmatic Instruction Following and Goal Assistance via Cooperative Language-Guided Inverse Planning [52.91457780361305]
  本稿では,協調型言語誘導逆計画探索(CLIPS)を紹介する。 我々のエージェントは、協力的なプランナーとして人間をモデル化し、アシスタントに共同計画を伝える。 2つの協調計画領域(ドア,キー&ジェム,バーチャルホーム)におけるこれらの機能の評価
  論文  参考訳（メタデータ） (2024-02-27T23:06:53Z)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
  タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。 具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。 提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
  論文  参考訳（メタデータ） (2023-11-30T18:02:44Z)
• Grounded Complex Task Segmentation for Conversational Assistants [6.188306785668896]
  レシピ領域に取り組み、読み上げ命令を会話構造に変換する。 そこで我々は,会話シナリオに従って指示の構造に注釈を付け,この設定で期待されていることの洞察を提供した。 さらなるユーザ調査により、ユーザは管理可能な複雑さと長さのステップを好む傾向にあり、提案手法は元のWebベースの指導文を改善することができることが示された。
  論文  参考訳（メタデータ） (2023-09-20T12:55:46Z)
• Planning-oriented Autonomous Driving [60.93767791255728]
  我々は、最終目標、すなわち自動運転車の計画を追求するために、好ましいフレームワークを考案し、最適化すべきであると主張している。 フルスタック運転タスクをひとつのネットワークに組み込んだ総合的なフレームワークであるUnified Autonomous Driving (UniAD)を紹介した。
  論文  参考訳（メタデータ） (2022-12-20T10:47:53Z)
• Auxiliary task discovery through generate-and-test [7.800263769988046]
  補助的なタスクは、エージェントに補助的な予測と制御目的を学習させることで、データ効率を向上させる。 本稿では,表現学習のアイデアに基づく強化学習における補助的タスク発見へのアプローチについて検討する。 本研究は,これらの特徴が主課題にどの程度有用かに基づいて,補助課題の有用性を示す新しい尺度を提案する。
  論文  参考訳（メタデータ） (2022-10-25T22:04:37Z)
• Improving Task Generalization via Unified Schema Prompt [87.31158568180514]
  Unified Promptはフレキシブルでプロンプトの手法で、タスク入力スキーマに従って各タスクの学習可能なプロンプトを自動的にカスタマイズする。 異なるタスクスキーマの特徴を維持しながら、タスク間の共有知識をモデル化する。 このフレームワークは、8つのタスクタイプから下流に見えない16のタスクに対して、強力なゼロショットと少数ショットのパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-08-05T15:26:36Z)
• AANG: Automating Auxiliary Learning [110.36191309793135]
  補助目的の集合を自動生成する手法を提案する。 我々は、新しい統合分類体系の中で既存の目的を分解し、それらの関係を識別し、発見された構造に基づいて新しい目的を創出することで、これを実現する。 これにより、生成された目的物の空間を探索し、指定されたエンドタスクに最も有用なものを見つけるための、原理的かつ効率的なアルゴリズムが導かれる。
  論文  参考訳（メタデータ） (2022-05-27T16:32:28Z)
• Self-supervised Visual Reinforcement Learning with Object-centric Representations [11.786249372283562]
  対象中心の表現をモジュラーおよび構造化された観測空間として用いることを提案する。 目標条件付きアテンションポリシーと組み合わせた表現の構造は,自律エージェントが有用なスキルを発見し,学習する上で有効であることを示す。
  論文  参考訳（メタデータ） (2020-11-29T14:55:09Z)

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。