論文の概要: Augmenting Automation: Intent-Based User Instruction Classification with Machine Learning

• arxiv url: http://arxiv.org/abs/2403.01242v1
• Date: Sat, 2 Mar 2024 16:06:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 14:41:40.757396
• Title: Augmenting Automation: Intent-Based User Instruction Classification with Machine Learning
• Title（参考訳）: Augmenting Automation: 機械学習によるインテントベースのユーザインストラクション分類
• Authors: Lochan Basyal, Bijay Gaudel
• Abstract要約: 本稿では,意図に基づくユーザ指導分類を導入することで,自動化の新たなアプローチを提案する。 ユーザの指示をインテントとして表現し,事前に定義された命令に頼らずに電気回路の動的制御を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electric automation systems offer convenience and efficiency in controlling electrical circuits and devices. Traditionally, these systems rely on predefined commands for control, limiting flexibility and adaptability. In this paper, we propose a novel approach to augment automation by introducing intent-based user instruction classification using machine learning techniques. Our system represents user instructions as intents, allowing for dynamic control of electrical circuits without relying on predefined commands. Through a machine learning model trained on a labeled dataset of user instructions, our system classifies intents from user input, enabling a more intuitive and adaptable control scheme. We present the design and implementation of our intent-based electric automation system, detailing the development of the machine learning model for intent classification. Experimental results demonstrate the effectiveness of our approach in enhancing user experience and expanding the capabilities of electric automation systems. Our work contributes to the advancement of smart technologies by providing a more seamless interaction between users and their environments.
• Abstract（参考訳）: 電気自動化システムは、電気回路やデバイスを制御するための利便性と効率を提供する。 従来、これらのシステムは制御のための事前定義されたコマンドに依存し、柔軟性と適応性を制限する。 本稿では,機械学習手法を用いたインテントに基づくユーザ命令分類の導入により,自動化を促進する新しい手法を提案する。 ユーザの指示をインテントとして表現し,事前に定義された命令に頼らずに電気回路の動的制御を可能にする。 ユーザ命令のラベル付きデータセットに基づいてトレーニングされた機械学習モデルを通じて,ユーザの入力から意図を分類し,より直感的で適応可能な制御方式を実現する。 本稿では、意図分類のための機械学習モデルの開発を詳述し、意図に基づく電気自動化システムの設計と実装について述べる。 実験の結果,本手法がユーザエクスペリエンスの向上と電気自動化システムの能力拡張に有効であることが示された。 私たちの仕事は、ユーザと環境間のよりシームレスなインタラクションを提供することによって、スマートテクノロジの進歩に貢献します。

関連論文リスト

• An Interactive Human-Machine Learning Interface for Collecting and Learning from Complex Annotations [45.23526921041318]
  我々は,従来のラベルの制約にヒトのアノテータが適応するという期待を緩和するために,監視情報が収集される形で,さらなる柔軟性を実現することを目的としている。 そこで本研究では,データセットのアノテーションとして標準バイナリラベルを補完するために,ヒューマンアノテータによる実例の活用を可能にする,バイナリ分類タスクのためのヒューマンマシン学習インタフェースを提案する。
  論文  参考訳（メタデータ） (2024-03-28T11:57:06Z)
• Bootstrapping Adaptive Human-Machine Interfaces with Offline Reinforcement Learning [82.91837418721182]
  適応インターフェイスは、ユーザがシーケンシャルな意思決定タスクを実行するのに役立つ。 近年のヒューマン・イン・ザ・ループ・機械学習の進歩により、ユーザとの対話によってこのようなシステムが改善されている。 本稿では,生のコマンド信号をアクションにマッピングするインタフェースを訓練するための強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-07T16:52:27Z)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)
• Don't Start From Scratch: Leveraging Prior Data to Automate Robotic Reinforcement Learning [70.70104870417784]
  強化学習(RL)アルゴリズムは、ロボットシステムの自律的なスキル獲得を可能にするという約束を持っている。 現実のロボットRLは、通常、環境をリセットするためにデータ収集と頻繁な人間の介入を必要とする。 本研究では,従来のタスクから収集した多様なオフラインデータセットを効果的に活用することで,これらの課題にどのように対処できるかを検討する。
  論文  参考訳（メタデータ） (2022-07-11T08:31:22Z)
• Implementation of an Automated Learning System for Non-experts [26.776682627968476]
  本稿では,YMIRと呼ばれる自動機械学習システムの実装について詳述する。 トレーニング/検証データをシステムにインポートした後、AI知識のないユーザは、データをラベル付けし、モデルをトレーニングし、単にボタンをクリックするだけでデータマイニングと評価を行うことができる。 システムのコードはGitHubにすでにリリースされている。
  論文  参考訳（メタデータ） (2022-03-26T00:28:29Z)
• ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement Learning [91.58711082348293]
  オンラインユーザからのフィードバックからシステムのパフォーマンスに関する強化学習は、この問題に対する自然な解決策である。 このアプローチでは、特にフィードバックが不足している場合には、ループ内の大量のトレーニングデータが必要になる傾向があります。 疎いユーザフィードバックから効率的に学習する階層型ソリューションを提案する。
  論文  参考訳（メタデータ） (2022-02-05T02:01:19Z)
• An Automated Robotic Arm: A Machine Learning Approach [0.0]
  現代の産業は、手動によるシステムの制御から自動化へと急速にシフトしている。 コンピュータベースのシステムは、品質と生産性を向上させることができるが、作業には柔軟性がない。 工業的重要性の1つは、ある場所から別の場所へ物を選んで配置することである。
  論文  参考訳（メタデータ） (2022-01-07T10:33:01Z)
• Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
  本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。 提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
  論文  参考訳（メタデータ） (2021-10-01T15:28:44Z)
• Generative Adversarial Reward Learning for Generalized Behavior Tendency Inference [71.11416263370823]
  ユーザの行動嗜好モデルのための生成的逆強化学習を提案する。 我々のモデルは,差別的アクター批判ネットワークとWasserstein GANに基づいて,ユーザの行動から報酬を自動的に学習することができる。
  論文  参考訳（メタデータ） (2021-05-03T13:14:25Z)
• The PHOTON Wizard -- Towards Educational Machine Learning Code Generators [3.140265238474237]
  我々は,プログラミングスキルを応用科学の対象グループに伝達するために,グラフィカルユーザインタフェースのアクセシビリティと受容性に基づく,新しい教育的アプローチを提唱する。 本稿では,概念実証,オープンソース Web アプリケーション PHOTON Wizard について概説し,GUI インタラクションを Python 機械学習フレームワーク PHOTON の有効なソースコードに動的に変換する。
  論文  参考訳（メタデータ） (2020-02-13T10:42:39Z)

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。