論文の概要: PlanFitting: Tailoring Personalized Exercise Plans with Large Language
Models
- arxiv url: http://arxiv.org/abs/2309.12555v1
- Date: Fri, 22 Sep 2023 00:55:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-25 16:21:34.517518
- Title: PlanFitting: Tailoring Personalized Exercise Plans with Large Language
Models
- Title（参考訳）: planfitting: 大きな言語モデルでパーソナライズされたエクササイズプランを調整する
- Authors: Donghoon Shin, Gary Hsieh, Young-Ho Kim
- Abstract要約: 個人化された運動計画を支援する会話型AIであるPlanFittingを紹介する。
PlanFittingを使えば、自然言語でさまざまな制約やクエリを記述できる。
パーソナライズされ、行動可能で、エビデンスに基づくエクササイズプランを生成する上で、PlanFittingの可能性を同定する。
- 参考スコア（独自算出の注目度）: 20.110633457823006
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: A personally tailored exercise regimen is crucial to ensuring sufficient
physical activities, yet challenging to create as people have complex schedules
and considerations and the creation of plans often requires iterations with
experts. We present PlanFitting, a conversational AI that assists in
personalized exercise planning. Leveraging generative capabilities of large
language models, PlanFitting enables users to describe various constraints and
queries in natural language, thereby facilitating the creation and refinement
of their weekly exercise plan to suit their specific circumstances while
staying grounded in foundational principles. Through a user study where
participants (N=18) generated a personalized exercise plan using PlanFitting
and expert planners (N=3) evaluated these plans, we identified the potential of
PlanFitting in generating personalized, actionable, and evidence-based exercise
plans. We discuss future design opportunities for AI assistants in creating
plans that better comply with exercise principles and accommodate personal
constraints.
- Abstract（参考訳）: 個人が調整したエクササイズレジームは十分な身体活動を確保するために不可欠であるが、人々が複雑なスケジュールと考慮を持ち、計画の作成には専門家とのイテレーションを必要とするため、創造が困難である。
個人化された運動計画を支援する会話型AIであるPlanFittingを紹介する。
PlanFittingは、大規模言語モデルの生成機能を活用することで、ユーザーが自然言語で様々な制約やクエリを記述できるようにし、基本原則に根ざしながら、特定の状況に合った週ごとのエクササイズプランの作成と改善を容易にする。
参加者(N=18)がPlanFittingとExpert Planners(N=3)を用いてパーソナライズされたエクササイズプランを作成したユーザスタディを通じて、PlanFittingがパーソナライズされ、行動可能で、エビデンスに基づいたエクサプランを生成する可能性を確認した。
我々は、エクササイズ原則に合致し、個人的な制約に合致する計画を作成するための、aiアシスタントの将来の設計機会について論じる。
関連論文リスト
- LASP: Surveying the State-of-the-Art in Large Language Model-Assisted AI Planning [7.36760703426119]
この調査は、言語モデルで計画する際の既存の課題を強調することを目的としている。
実施環境、最適なスケジューリング、競争と協力のゲーム、タスクの分解、推論、計画といった重要な分野に焦点を当てている。
論文 参考訳（メタデータ） (2024-09-03T11:39:52Z) - Socratic Planner: Inquiry-Based Zero-Shot Planning for Embodied Instruction Following [17.608330952846075]
EIF(Embodied Instruction following)は、3D環境のオブジェクトをナビゲートして操作することで自然言語命令を実行するタスクである。
EIFの主な課題の1つは構成的タスク計画であり、しばしばラベル付きデータによる教師付きまたはコンテキスト内学習で対処される。
トレーニングデータを必要とせずに推測できる最初のゼロショットプランニング手法であるソクラティックプランナーを紹介する。
論文 参考訳（メタデータ） (2024-04-21T08:10:20Z) - PlanGPT: Enhancing Urban Planning with Tailored Language Model and
Efficient Retrieval [8.345858904808873]
汎用的な大規模言語モデルは、しばしばプランナーのニーズを満たすのに苦労する。
PlanGPTは、都市と空間計画に適した最初の大規模言語モデルである。
論文 参考訳（メタデータ） (2024-02-29T15:41:20Z) - TravelPlanner: A Benchmark for Real-World Planning with Language Agents [63.199454024966506]
我々は,旅行計画に焦点を当てた新しい計画ベンチマークであるTravelPlannerを提案する。
豊富なサンドボックス環境、400万近いデータレコードにアクセスするためのさまざまなツール、計画意図とリファレンスプランを慎重にキュレートした1,225のツールを提供する。
包括的評価では、現在の言語エージェントがそのような複雑な計画タスクを処理できないことが示されており、GPT-4でさえ0.6%の成功率しか達成できない。
論文 参考訳（メタデータ） (2024-02-02T18:39:51Z) - LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning [65.86754998249224]
従来のルールベースプランナとLCMベースのプランナを併用した,新しいハイブリッドプランナを開発した。
当社のアプローチでは,既存のプランナが苦労する複雑なシナリオをナビゲートし,合理的なアウトプットを生成すると同時に,ルールベースのアプローチと連携して作業する。
論文 参考訳（メタデータ） (2023-12-30T02:53:45Z) - Learning adaptive planning representations with natural language
guidance [90.24449752926866]
本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。
Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
論文 参考訳（メタデータ） (2023-12-13T23:35:31Z) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-02T10:07:17Z) - EIPE-text: Evaluation-Guided Iterative Plan Extraction for Long-Form
Narrative Text Generation [114.50719922069261]
長文物語テキスト生成のための評価誘導反復計画抽出法(EIPE-text)を提案する。
EIPEテキストには、計画抽出、学習、推論の3段階がある。
小説やストーリーテリングの分野におけるEIPEテキストの有効性を評価する。
論文 参考訳（メタデータ） (2023-10-12T10:21:37Z) - EmbodiedGPT: Vision-Language Pre-Training via Embodied Chain of Thought [95.37585041654535]
Embodied AIは、ロボットが物理的な環境で長時間のタスクを遂行するためのアクションシーケンスを計画し、実行することができる。
本稿では,EmbodiedGPTを紹介する。EmbodiedGPTは,エンボディドAIのためのエンドツーエンドのマルチモーダル基盤モデルである。
実験は、実施計画、実施制御、視覚的キャプション、視覚的質問応答など、実施されたタスクに対するEmbodiedGPTの有効性を示す。
論文 参考訳（メタデータ） (2023-05-24T11:04:30Z) - Multimodal Contextualized Plan Prediction for Embodied Task Completion [9.659463406886301]
タスクプランニングは従来のロボットシステムにおいて重要なコンポーネントであり、ロボットがより複雑なタスクを実行するためのきめ細かいスキルを組み立てることができる。
シミュレーション実施エージェントにおけるタスク完了のための自然言語を実行可能なアクションに翻訳する最近の作業構築システムは,低レベルのアクションシーケンスを直接予測することに焦点を当てている。
我々は,そのような具体化されたタスク完了データセット - TEACh に対して,より高いレベルの計画表現を予測することに集中する。
論文 参考訳（メタデータ） (2023-05-10T22:29:12Z) - Collaborative Human-Agent Planning for Resilience [5.2123460114614435]
実行時に線形時間論理(LTL)を用いてエージェントに知識を提供することで,エージェントと協調できるかどうかを検討する。
我々は,計画立案者が制限のある状況に対する基本計画案を24名提示し,これらの制限に対する回避策を参加者に求めた。
その結果, 参加者の制約により, 計画の期待リターンが10%向上した。
論文 参考訳（メタデータ） (2021-04-29T03:21:31Z)
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。