論文の概要: Home Automation System based on Intelligent Transducer Enablers
- arxiv url: http://arxiv.org/abs/2402.04334v1
- Date: Tue, 6 Feb 2024 19:18:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 18:20:54.779232
- Title: Home Automation System based on Intelligent Transducer Enablers
- Title（参考訳）: インテリジェントトランスデューサを用いたホームオートメーションシステム
- Authors: Manuel Su\'arez-Albela, Paula Fraga-Lamas, Tiago M.
Fern\'andez-Caram\'es, Adriana Dapena and Miguel Gonz\'alez-L\'opez
- Abstract要約: 本稿では HASITE (Intelligent Transducer Enablers に基づくホームオートメーションシステム) という新しいホームオートメーションシステムを提案する。
トランスデューサの識別と設定を簡単かつ迅速に行うように設計されている。
異なる現実的なシナリオで実施されたテストによると、トランスデューサは13秒未満で使用できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel home automation system named HASITE (Home
Automation System based on Intelligent Transducer Enablers), which has been
specifically designed to identify and configure transducers easily and quickly.
These features are especially useful in situations where many transducers are
deployed, since their setup becomes a cumbersome task that consumes a
significant amount of time and human resources. HASITE simplifies the
deployment of a home automation system by using wireless networks and both
self-configuration and self-registration protocols. Thanks to the application
of these three elements, HASITE is able to add new transducers by just powering
them up. According to the tests performed in different realistic scenarios, a
transducer is ready to be used in less than 13 s. Moreover, all HASITE
functionalities can be accessed through an API, which also allows for the
integration of third-party systems. As an example, an Android application based
on the API is presented. Remote users can use it to interact with transducers
by just using a regular smartphone or a tablet.
- Abstract（参考訳）: 本稿では, 簡易かつ迅速にトランスデューサを識別・設定することを目的とした, HASITE (Intelligent Transducer Enablersをベースとしたホームオートメーションシステム) を提案する。
これらの機能は、多くのトランスデューサがデプロイされる状況において特に有用である。
HASITEは、無線ネットワークと自己設定プロトコルと自己登録プロトコルの両方を用いることで、ホームオートメーションシステムのデプロイを簡単にする。
これら3つの要素の応用により、hasiteは新しいトランスデューサをパワーアップするだけで追加することができる。
異なる現実的なシナリオで実施されたテストによると、トランスデューサは13秒未満で使用可能である。
さらに、すべてのHASITE機能はAPIを通じてアクセスすることができるため、サードパーティシステムとの統合も可能だ。
例として、APIに基づいたAndroidアプリケーションが紹介されている。
リモートのユーザは、ふつうのスマートフォンやタブレットを使ってトランスデューサと対話できる。
関連論文リスト
- AutoIoT: Automated IoT Platform Using Large Language Models [14.481067833984474]
AutoIoTは、Large Language Models(LLM)とフォーマルな検証技術に基づく、IoT自動化プラットフォームである。
我々は、AutoIoTが、ユーザーがコンフリクトのない自動化ルールを生成し、コンフリクト検出のためのコードを生成するのにどのように役立つかを示す。
論文 参考訳（メタデータ） (2024-11-16T02:02:01Z) - Asynchronous Tool Usage for Real-Time Agents [61.3041983544042]
並列処理とリアルタイムツール利用が可能な非同期AIエージェントを導入する。
私たちの重要な貢献は、エージェントの実行とプロンプトのためのイベント駆動有限状態マシンアーキテクチャです。
この研究は、流体とマルチタスクの相互作用が可能なAIエージェントを作成するための概念的なフレームワークと実践的なツールの両方を提示している。
論文 参考訳（メタデータ） (2024-10-28T23:57:19Z) - AdaptoML-UX: An Adaptive User-centered GUI-based AutoML Toolkit for Non-AI Experts and HCI Researchers [19.602247178319992]
AdaptoML-UXは、自動機能エンジニアリング、機械学習、インクリメンタルラーニングを組み込んだアダプティブフレームワークである。
我々のツールキットは、多様な問題領域やデータセットに効率的に適応できることを示します。
インクリメンタルな学習を通じてモデルのパーソナライズをサポートし、個々のユーザの振る舞いに合わせてモデルをカスタマイズする。
論文 参考訳（メタデータ） (2024-10-22T22:52:14Z) - ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。
ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する
我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
論文 参考訳（メタデータ） (2024-06-28T08:28:38Z) - SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering [79.07755560048388]
SWEエージェント(SWE-agent)は、LMエージェントが自律的にコンピュータを使用してソフトウェア工学のタスクを解決するシステムである。
SWEエージェントのカスタムエージェントコンピュータインタフェース(ACI)は、エージェントがコードファイルを作成し編集し、リポジトリ全体をナビゲートし、テストやその他のプログラムを実行する能力を著しく向上させる。
我々はSWE-benchとHumanEvalFixのSWE-agentを評価し、それぞれ12.5%と87.7%のパス@1レートで最先端の性能を実現した。
論文 参考訳（メタデータ） (2024-05-06T17:41:33Z) - Voice Recognition Robot with Real-Time Surveillance and Automation [0.0]
本稿では,Android アプリケーションを用いて入力音声信号を対応するテキストに変換する音声認識システムを提案する。
テキストメッセージはBluetooth経由で送信され、通信プラットフォームとして機能する。
本稿では,音声認識のリアルタイム監視・自動化への応用を拡張し,障害物検出・回避機構を取り入れた。
論文 参考訳（メタデータ） (2023-12-07T06:31:04Z) - 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) - Deformable Mixer Transformer with Gating for Multi-Task Learning of
Dense Prediction [126.34551436845133]
CNNとTransformerには独自の利点があり、MTL(Multi-task Learning)の高密度予測に広く使われている。
本稿では,変形可能なCNNと問合せベースのTransformerの長所を共用したMTLモデルを提案する。
論文 参考訳（メタデータ） (2023-08-10T17:37:49Z) - GAMA: a General Automated Machine learning Assistant [4.035753155957698]
General Automated Machine Learning Assistant(GAMA)は、ユーザーがAutoMLアルゴリズムが最適な機械学習パイプラインを探索する方法を追跡および制御できるようにするモジュール式AutoMLシステムである。
GAMAは、ユーザーが異なるAutoMLおよび後処理テクニックをプラグインでき、検索プロセスのログと視覚化が可能で、簡単にベンチマークできる。
論文 参考訳（メタデータ） (2020-07-09T16:16:25Z) - APPLD: Adaptive Planner Parameter Learning from Demonstration [48.63930323392909]
本稿では,既存のナビゲーションシステムを新しい複雑な環境に適用可能な,適応プランナー学習(Adaptive Planner Learning from Demonstration)のAPPLDを紹介する。
APPLDは異なる環境で異なるナビゲーションシステムを実行する2つのロボットで検証されている。
実験結果から,APPLDはナビゲーションシステムよりも,デフォルトパラメータや専門家パラメータ,さらには人間実証者自体よりも優れていることが示された。
論文 参考訳（メタデータ） (2020-03-31T21:15:16Z) - Multipurpose Intelligent Process Automation via Conversational Assistant [3.808063547958558]
Intelligent Process Automation (IPA) は,反復的,ルーチン的,低認知的なタスクの処理によって知識労働者を支援することを目的とした,新興技術である。
我々は、実世界の産業環境でIPA対話アシスタントを実装するという課題に、構造化されたトレーニングデータの不足を伴って取り組む。
提案システムには2つの大きなメリットがある。第一に、反復的かつ時間のかかるアクティビティを削減し、従って、労働者がよりインテリジェントなプロセスに集中できるようにする。
論文 参考訳（メタデータ） (2020-01-07T21:47:37Z)
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。