論文の概要: Planning for Proactive Assistance in Environments with Partial Observability

• arxiv url: http://arxiv.org/abs/2105.00525v1
• Date: Sun, 2 May 2021 18:12:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-05 00:55:36.462708
• Title: Planning for Proactive Assistance in Environments with Partial Observability
• Title（参考訳）: 部分観測可能な環境におけるアクティブな支援計画
• Authors: Anagha Kulkarni, Siddharth Srivastava and Subbarao Kambhampati
• Abstract要約: 本稿では,人間に積極的なタスク支援を提供するAIエージェントの動作を合成する問題に対処する。 エージェントは、援助が彼女のタスクにどのように影響するかを人間が認識していることを保証することが重要です。
• 参考スコア（独自算出の注目度）: 26.895668587111757
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper addresses the problem of synthesizing the behavior of an AI agent that provides proactive task assistance to a human in settings like factory floors where they may coexist in a common environment. Unlike in the case of requested assistance, the human may not be expecting proactive assistance and hence it is crucial for the agent to ensure that the human is aware of how the assistance affects her task. This becomes harder when there is a possibility that the human may neither have full knowledge of the AI agent's capabilities nor have full observability of its activities. Therefore, our \textit{proactive assistant} is guided by the following three principles: \textbf{(1)} its activity decreases the human's cost towards her goal; \textbf{(2)} the human is able to recognize the potential reduction in her cost; \textbf{(3)} its activity optimizes the human's overall cost (time/resources) of achieving her goal. Through empirical evaluation and user studies, we demonstrate the usefulness of our approach.
• Abstract（参考訳）: 本稿では,共通の環境下で共存する工場フロアのような環境において,人間に積極的なタスク支援を提供するAIエージェントの動作を合成する問題に対処する。 要求された援助と異なり、人間は積極的援助を期待していないため、エージェントは、人がその援助が彼女のタスクにどう影響するかを知ることが不可欠である。 これは、人間がAIエージェントの能力について完全な知識を持っていないり、アクティビティの完全な可観測性を持っていない場合、難しくなります。 したがって、我々の \textit{proactive assistant} は以下の3つの原則によって導かれる: \textbf{(1)} その活動は人間の目標に対するコストを減少させる; \textbf{(2)} 人間は彼女のコストの潜在的な削減を認識することができる; \textbf{(3)} その活動は彼女の目標を達成するための全体のコスト(時間/資源)を最適化する。 経験的評価とユーザスタディを通して,本手法の有用性を実証する。

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)
• Learning to Assist Humans without Inferring Rewards [65.28156318196397]
  我々は、エンパワーメントのレンズを通して支援を研究する先行研究に基づいて構築する。 補助剤は、人間の行動の影響を最大化することを目的としている。 これらの表現は、先行研究と類似したエンパワーメントの概念を推定する。
  論文  参考訳（メタデータ） (2024-11-04T21:31:04Z)
• Constrained Human-AI Cooperation: An Inclusive Embodied Social Intelligence Challenge [47.74313897705183]
  CHAICは、インボディードエージェントの社会的知覚と協力をテストするために設計された包括的インボディード・ソーシャル・インテリジェンス・チャレンジである。 CHAICの目標は、身体的制約の下で活動している可能性がある人間を支援するために、自我中心の観察装置を備えたエンボディエージェントである。 我々は,この課題に対する計画ベースラインと学習ベースラインのベンチマークを行い,大規模言語モデルと行動モデリングを活用した新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-04T04:41:12Z)
• Towards Human-centered Proactive Conversational Agents [60.57226361075793]
  積極的システムと反応性システムの区別は、積極的システムのイニシアティブな性質にある。 我々は,人間中心型PCAの3つの重要な側面,すなわち知性,適応性,市民性に関する新たな分類法を確立する。
  論文  参考訳（メタデータ） (2024-04-19T07:14:31Z)
• Smart Help: Strategic Opponent Modeling for Proactive and Adaptive Robot Assistance in Households [30.33911147366425]
  Smart Helpは、多様な障害を持つ人間のエージェントに対して、積極的にかつ適応的なサポートを提供することを目的としている。 本稿では,主エージェントの能力と目標の微妙な理解を提供する,イノベーティブな対戦相手モデリングモジュールを紹介する。 この結果から,AIを組み込んだ支援ロボットが,脆弱なグループの健康向上に寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-04-13T13:03:59Z)
• On the Quest for Effectiveness in Human Oversight: Interdisciplinary Perspectives [1.29622145730471]
  人間の監視は、現在、リスクの高いAIアプリケーションの負の側面に対処するための潜在的な保護として議論されている。 本稿では,心理学的,法学的,哲学的,技術的領域から洞察を合成し,効果的な人間の監視について検討する。
  論文  参考訳（メタデータ） (2024-04-05T12:31:19Z)
• 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)
• Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
  実生活では、情報取得は患者の医療検査に該当する可能性がある。 本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。 この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
  論文  参考訳（メタデータ） (2020-11-02T08:46:27Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)
• AvE: Assistance via Empowerment [77.08882807208461]
  そこで我々は,人間の環境制御能力を高めることで,支援のための新しいパラダイムを提案する。 このタスクに依存しない目的は、個人の自律性と最終的な状態を達成する能力を維持する。
  論文  参考訳（メタデータ） (2020-06-26T04:40:11Z)

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。