論文の概要: Onto4MAT: A Swarm Shepherding Ontology for Generalised Multi-Agent Teaming

• arxiv url: http://arxiv.org/abs/2203.12955v1
• Date: Thu, 24 Mar 2022 09:36:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-25 13:52:02.143708
• Title: Onto4MAT: A Swarm Shepherding Ontology for Generalised Multi-Agent Teaming
• Title（参考訳）: Onto4MAT: 汎用マルチエージェントチームのためのSwarmシェパーディングオントロジー
• Authors: Adam J. Hepworth and Daniel P. Baxter and Hussein A. Abbass
• Abstract要約: 我々は、Swarm AIがその環境とシステムについて推論できる形式的な知識表現設計を提供する。 我々は,人間とチーム間のより効果的なチーム編成を実現するために,Ontology for Generalized Multi-Agent Teaming(Onto4MAT)を提案する。
• 参考スコア（独自算出の注目度）: 2.9327503320877457
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Research in multi-agent teaming has increased substantially over recent years, with knowledge-based systems to support teaming processes typically focused on delivering functional (communicative) solutions for a team to act meaningfully in response to direction. Enabling humans to effectively interact and team with a swarm of autonomous cognitive agents is an open research challenge in Human-Swarm Teaming research, partially due to the focus on developing the enabling architectures to support these systems. Typically, bi-directional transparency and shared semantic understanding between agents has not prioritised a designed mechanism in Human-Swarm Teaming, potentially limiting how a human and a swarm team can share understanding and information\textemdash data through concepts and contexts\textemdash to achieve a goal. To address this, we provide a formal knowledge representation design that enables the swarm Artificial Intelligence to reason about its environment and system, ultimately achieving a shared goal. We propose the Ontology for Generalised Multi-Agent Teaming, Onto4MAT, to enable more effective teaming between humans and teams through the biologically-inspired approach of shepherding.
• Abstract（参考訳）: 近年、多エージェントチームの研究は大幅に増加しており、一般的にはチームが指示に反応して有意義に行動するための機能的(コミュニケーション的な)ソリューションを提供することに焦点を当てた、チーム化プロセスをサポートする知識ベースのシステムがある。 人間に効果的に対話させ、自律的な認知エージェントの群れと協力させることは、ヒューマン・スワムチーム研究におけるオープンな研究課題である。 通常、双方向の透明性とエージェント間のセマンティクスの理解は、人間とスウォームチームが概念とコンテキストを通じて理解と情報を共有し、目標を達成する方法を制限する、人間とスウォームのチームで設計されたメカニズムを優先していない。 これに対処するために、swarm人工知能がその環境とシステムについて推論し、最終的に共通の目標を達成するための正式な知識表現設計を提供する。 そこで我々は,人間とチーム間のより効果的なコラボレーションを実現するために,汎用マルチエージェントチームOnto4MATを提案する。

関連論文リスト

• Mutual Theory of Mind in Human-AI Collaboration: An Empirical Study with LLM-driven AI Agents in a Real-time Shared Workspace Task [56.92961847155029]
  心の理論(ToM)は、他人を理解する上で重要な能力として、人間の協調とコミュニケーションに大きな影響を及ぼす。 Mutual Theory of Mind (MToM) は、ToM能力を持つAIエージェントが人間と協力するときに発生する。 エージェントのToM能力はチームのパフォーマンスに大きな影響を与えず,エージェントの人間的理解を高めていることがわかった。
  論文  参考訳（メタデータ） (2024-09-13T13:19:48Z)
• CREW: Facilitating Human-AI Teaming Research [3.7324091969140776]
  我々は、人間とAIのコラボレーション研究を促進するプラットフォームCREWを紹介し、複数の科学分野から協力する。 これには、認知研究のための事前構築されたタスクや、モジュール設計から拡張可能なポテンシャルを備えたヒューマンAIコラボレーションが含まれます。 CREWは、最先端のアルゴリズムとよく訓練されたベースラインを使用して、リアルタイムの人間誘導型強化学習エージェントをベンチマークする。
  論文  参考訳（メタデータ） (2024-07-31T21:43:55Z)
• Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
  エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。 本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:09:56Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• 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)
• CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society [58.04479313658851]
  本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。 本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。 コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
  論文  参考訳（メタデータ） (2023-03-31T01:09:00Z)
• ToM2C: Target-oriented Multi-agent Communication and Cooperation with Theory of Mind [18.85252946546942]
  心の理論(Theory of Mind、ToM)は、効果的なコミュニケーションと協力が可能な社会的に知的なエージェントを構築する。 このアイデアは、協調ナビゲーションとマルチセンサーターゲットカバレッジという、2つの典型的な目標指向型マルチエージェントタスクで実証される。
  論文  参考訳（メタデータ） (2021-10-15T18:29:55Z)
• Interpretation of Emergent Communication in Heterogeneous Collaborative Embodied Agents [83.52684405389445]
  本稿では,コラボレーティブな多目的ナビゲーションタスクCoMONを紹介する。 この課題において、オラクルエージェントは、地図の形式で詳細な環境情報を有する。 視覚的に環境を知覚するナビゲーターエージェントと通信し、目標のシーケンスを見つけるのが任務である。 創発的コミュニケーションはエージェントの観察と3次元環境の空間構造に基礎を置くことができることを示す。
  論文  参考訳（メタデータ） (2021-10-12T06:56:11Z)
• From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
  我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。 一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。 その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。 最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
  論文  参考訳（メタデータ） (2021-05-25T20:17:10Z)
• Teaming up with information agents [0.0]
  我々の目的は、人間が情報エージェントとどのように協力できるかを研究することである。 適切なチームデザインパターンを提案し、CIA(Collaborative Intelligence Analysis)ツールを使用してそれらをテストします。
  論文  参考訳（メタデータ） (2021-01-15T14:26:12Z)

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。