論文の概要: Robotic Assistant Agent for Student and Machine Co-Learning on AI-FML
Practice with AIoT Application
- arxiv url: http://arxiv.org/abs/2105.05012v1
- Date: Tue, 11 May 2021 13:19:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-12 18:48:27.523242
- Title: Robotic Assistant Agent for Student and Machine Co-Learning on AI-FML
Practice with AIoT Application
- Title（参考訳）: aiotアプリケーションを用いたai-fml実践における学生と機械学習のロボットアシスタントエージェント
- Authors: Chang-Shing Lee, Mei-Hui Wang, Zong-Han Ciou, Rin-Pin Chang, Chun-Hao
Tsai, Shen-Chien Chen, Tzong-Xiang Huang, Eri Sato-Shimokawara, and Toru
Yamaguchi
- Abstract要約: AI-FMLの構造にはファジィ論理、ニューラルネットワーク、進化計算が含まれる。
ロボットアシスタントエージェント(RAA)は、英語とAI-FMLの実践を共同学習する学生や機械を支援する。
- 参考スコア（独自算出の注目度）: 0.487576911714538
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, the Robotic Assistant Agent for student and machine
co-learning on AI-FML practice with AIoT application is presented. The
structure of AI-FML contains three parts, including fuzzy logic, neural
network, and evolutionary computation. Besides, the Robotic Assistant Agent
(RAA) can assist students and machines in co-learning English and AI-FML
practice based on the robot Kebbi Air and AIoT-FML learning tool. Since Sept.
2019, we have introduced an Intelligent Speaking English Assistant (ISEA) App
and AI-FML platform to English and computer science learning classes at two
elementary schools in Taiwan. We use the collected English-learning data to
train a predictive regression model based on students' monthly examination
scores. In Jan. 2021, we further combined the developed AI-FML platform with a
novel AIoT-FML learning tool to enhance students' interests in learning English
and AI-FML with basic hands-on practice. The proposed RAA is responsible for
reasoning students' learning performance and showing the results on the
AIoT-FML learning tool after communicating with the AI-FML platform. The
experimental results and the collection of students' feedback show that this
kind of learning model is popular with elementary-school and high-school
students, and the learning performance of elementary-school students is
improved.
- Abstract（参考訳）: 本稿では,AI-FML実践におけるAIoTアプリケーションを用いた学習支援ロボットアシスタントについて述べる。
AI-FMLの構造はファジィ論理、ニューラルネットワーク、進化計算を含む3つの部分を含む。
ロボットアシスタントエージェント(RAA)は、ロボットKebbi AirとAIoT-FML学習ツールに基づいて、英語とAI-FMLの実践を共同学習する学生や機械を支援する。
2019年9月以降,台湾の2つの小学校の英語とコンピュータサイエンスの授業に,インテリジェント英語アシスタント(ISEA)アプリとAI-FMLプラットフォームを導入している。
収集した英語学習データを用いて,学生の月次試験得点に基づく予測回帰モデルを学習する。
2021年1月,先進的なai-fmlプラットフォームと新しいaiot-fml学習ツールを組み合わせることで,学生の英語学習やai-fmlに対する興味を高める。
提案されたRAAは、AI-FMLプラットフォームと通信した後、学生の学習パフォーマンスを推論し、AIoT-FML学習ツールで結果を示す責任がある。
実験結果と学生のフィードバックの収集から,このような学習モデルが小学生や高校生に普及し,小学生の学習性能が向上していることが示唆された。
関連論文リスト
- Mastering AI: Big Data, Deep Learning, and the Evolution of Large Language Models -- AutoML from Basics to State-of-the-Art Techniques [17.62426370778165]
論文は、初心者と経験豊富な実践者の両方を支援するために構築されており、人気のあるAutoMLツールに関する詳細な議論がある。
また、ニューラルネットワーク検索(NAS)やディープラーニングにおけるAutoMLのアプリケーションといった、新たなトピックにも対処している。
論文 参考訳（メタデータ） (2024-10-12T17:11:39Z) - Symbolic Learning Enables Self-Evolving Agents [55.625275970720374]
エージェントシンボリックラーニング(エージェントシンボリックラーニング)(エージェントシンボリックラーニング)は、言語エージェントが自分自身で最適化できるための体系的なフレームワークである。
エージェント記号学習は、コネクショナリズム学習における2つの基本的なアルゴリズムを模倣することにより、言語エージェント内のシンボルネットワークを最適化するように設計されている。
我々は、標準ベンチマークと複雑な実世界のタスクの両方で概念実証実験を行う。
論文 参考訳（メタデータ） (2024-06-26T17:59:18Z) - SELFI: Autonomous Self-Improvement with Reinforcement Learning for Social Navigation [54.97931304488993]
体験と対話し、改善する自己改善ロボットは、ロボットシステムの現実的な展開の鍵となる。
本研究では,オンラインロボット体験を活用したオンライン学習手法であるSELFIを提案する。
本研究では, 衝突回避の観点からの改善と, より社会的に順応する行動について報告する。
論文 参考訳（メタデータ） (2024-03-01T21:27:03Z) - Prototype of a robotic system to assist the learning process of English
language with text-generation through DNN [0.0]
本稿では,英語の自己学習を支援するヒューマノイドロボットシステムのプロトタイプについて紹介する。
学習者は、ユーザの英語レベルに応じてテキストを生成するグラフィカルユーザインタフェースを用いてシステムと対話する。
論文 参考訳（メタデータ） (2023-09-20T08:39:51Z) - RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic
Control [140.48218261864153]
本研究では,インターネット規模のデータに基づいて学習した視覚言語モデルを,エンドツーエンドのロボット制御に直接組み込む方法について検討する。
提案手法は,インターネット規模のトレーニングから,RT-2による創発的能力の獲得を可能にした。
論文 参考訳（メタデータ） (2023-07-28T21:18:02Z) - AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。
本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。
このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
論文 参考訳（メタデータ） (2023-05-04T02:09:43Z) - Build-a-Bot: Teaching Conversational AI Using a Transformer-Based Intent
Recognition and Question Answering Architecture [15.19996462016215]
本稿では、自然言語パイプラインを用いて、独自の学校カリキュラムに基づく質問に答えるためにカスタマイズされたモデルを訓練することで、人工知能の原理を学習するためのインタフェースを提案する。
このパイプラインは、AIエージェントを作成しながら、これらのプロセスのそれぞれを通じて、学生のデータ収集、データ拡張、意図認識、質問応答を教える。
論文 参考訳（メタデータ） (2022-12-14T22:57:44Z) - AI-based Arabic Language and Speech Tutor [1.7616042687330644]
人工知能に基づくアラビア語と音声チューター(AI-ALST)の開発のためのアプローチを提案する。
AI-ALSTシステム(AI-ALST System)は、アリゾナ大学(UA)のモロッコ方言を学ぶ学生の分析と評価を提供するインテリジェントチューターである。
AI-ALSTは、発音訓練のための各レッスンを実践するための自己学習環境を提供する。
論文 参考訳（メタデータ） (2022-10-22T04:22:16Z) - GenNI: Human-AI Collaboration for Data-Backed Text Generation [102.08127062293111]
Table2Textシステムは、機械学習を利用した構造化データに基づいてテキスト出力を生成する。
GenNI (Generation Negotiation Interface) は、対話型ビジュアルシステムである。
論文 参考訳（メタデータ） (2021-10-19T18:07:07Z) - A Study on AI-FML Robotic Agent for Student Learning Behavior Ontology
Construction [1.0183055506531897]
提案するAI-FMLロボットエージェントは、英会話および聴取領域に適用される。
AI-FMLロボットエージェントには、知覚エージェント、計算エージェント、認知エージェントを含む3つのインテリジェントエージェントがある。
実験の結果, エージェントは人間と機械の協調学習モデルに利用でき, 今後の教育に活用できることが示唆された。
論文 参考訳（メタデータ） (2020-06-18T01:45:30Z) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳（メタデータ） (2020-01-24T22:52:18Z)
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。