論文の概要: Generative Artificial Intelligence-Guided User Studies: An Application for Air Taxi Services
- arxiv url: http://arxiv.org/abs/2406.12296v1
- Date: Tue, 18 Jun 2024 06:00:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-19 20:35:42.131617
- Title: Generative Artificial Intelligence-Guided User Studies: An Application for Air Taxi Services
- Title（参考訳）: ジェネレーティブ人工知能を用いたユーザスタディ : エアタクシーサービスへの応用
- Authors: Shengdi Xiao, Jingjing Li, Tatsuki Fushimi, Yoichi Ochiai,
- Abstract要約: 本研究では,大規模言語モデル(LLM)を用いて,ユーザエクスペリエンスのための生成AI仮想シナリオを作成する。
主な貢献は、OpenAIのGPT-4モデルとAIイメージとビデオジェネレータを使用して仮想ATJを設計することであった。
LLMは,エアタクシーに対する参加者の態度を著しく改善する環境を特定し,提案する能力を示した。
- 参考スコア（独自算出の注目度）: 10.594051947085964
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: User studies are crucial for meeting user needs. In user studies, real experimental scenarios and participants are constructed and recruited. However, emerging and unfamiliar studies face limitations, including safety concerns and iterative efficiency. To address these challenges, this study utilizes a large language model (LLM) to create generative AI virtual scenarios for user experience. By recruiting real users to evaluate this experience, we can collect feedback that enables rapid iteration in the early design phase. The air taxi is particularly representative of these challenges and has been chosen as the case study for this research. The key contribution was designing a virtual ATJ using OpenAI's GPT-4 model and AI image and video generators. Based on the LLM-generated scripts, key visuals were created for the air taxi, and the ATJ was evaluated by 72 participants. Furthermore, the LLM demonstrated the ability to identify and suggest environments that significantly improve participants' attitudes toward air taxis. Education level and gender significantly influenced participants' attitudes and their satisfaction with the ATJ. Our study confirms the capability of generative AI to support user studies, providing a feasible approach and valuable insights for designing air taxi user experiences in the early design phase.
- Abstract（参考訳）: ユーザスタディは、ユーザニーズを満たすために不可欠です。
ユーザスタディでは、実際の実験シナリオと参加者が構築され、採用されます。
しかし、新しい研究や馴染みの無い研究は、安全性や反復効率などの制限に直面している。
これらの課題に対処するために,大規模な言語モデル(LLM)を用いて,ユーザエクスペリエンスのための生成AI仮想シナリオを作成する。
この経験を評価するために実際のユーザを採用することで、初期の設計フェーズで迅速なイテレーションを可能にするフィードバックを収集できます。
エアタクシーはこれらの課題を特に代表しており、この研究のケーススタディとして選ばれている。
主な貢献は、OpenAIのGPT-4モデルとAIイメージとビデオジェネレータを使用して仮想ATJを設計することであった。
LLMが生成したスクリプトに基づいて、エアタクシーのキーヴィジュアライゼーションが作成され、ATJは72人の参加者によって評価された。
さらに, LLMは, エアタクシーに対する参加者の態度を著しく改善する環境を特定し, 提案する能力を示した。
教育水準と性別は,ATJに対する参加者の態度と満足度に大きく影響した。
本研究は, 航空タクシーのユーザエクスペリエンスを設計する上で, ユーザ学習を支援するための生成AIの能力を確認し, 実現可能なアプローチと貴重な洞察を提供する。
関連論文リスト
- ExACT: Teaching AI Agents to Explore with Reflective-MCTS and Exploratory Learning [78.42927884000673]
ExACTは、エージェントアプリケーションのためのo1のようなモデルを構築するために、テスト時間検索と自己学習を組み合わせるアプローチである。
リフレクティブモンテカルロ木探索(Reflective Monte Carlo Tree Search, R-MCTS)は、AIエージェントがその場で意思決定空間を探索する能力を高めるために設計された新しいテストタイムアルゴリズムである。
次に,探索学習(Exploratory Learning)という,外部探索アルゴリズムに頼らずに,エージェントに推論時間での探索を教える新しい学習戦略を紹介する。
論文 参考訳（メタデータ） (2024-10-02T21:42:35Z) - AI Agents and Education: Simulated Practice at Scale [0.0]
本稿では,適応型教育シミュレーション作成における生成AIの可能性について検討する。
複数のAIエージェントのシステムを活用することで、シミュレーションはパーソナライズされた学習体験を提供することができる。
我々は、AIの教育提供能力を示すベンチャーキャピタルピッチシミュレータであるPitchQuestのプロトタイプについて説明する。
論文 参考訳（メタデータ） (2024-06-20T05:26:04Z) - Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。
具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。
実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
論文 参考訳（メタデータ） (2024-05-30T23:20:23Z) - How Human-Centered Explainable AI Interface Are Designed and Evaluated: A Systematic Survey [48.97104365617498]
Em Explainable Interfaces (EIs) の登場する領域は,XAI のユーザインターフェースとユーザエクスペリエンス設計に重点を置いている。
本稿では,人間とXAIの相互作用の現在の動向と,EI設計・開発に向けた将来的な方向性を明らかにするために,53の出版物を体系的に調査する。
論文 参考訳（メタデータ） (2024-03-21T15:44:56Z) - Voila-A: Aligning Vision-Language Models with User's Gaze Attention [56.755993500556734]
視覚言語モデル(VLM)を導くために,人間の注意の代用として視線情報を導入する。
本稿では,視線アライメントのための新しいアプローチであるVoila-Aを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:34:01Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - Constrained Reinforcement Learning for Robotics via Scenario-Based
Programming [64.07167316957533]
DRLをベースとしたエージェントの性能を最適化し,その動作を保証することが重要である。
本稿では,ドメイン知識を制約付きDRLトレーニングループに組み込む新しい手法を提案する。
我々の実験は、専門家の知識を活用するために我々のアプローチを用いることで、エージェントの安全性と性能が劇的に向上することを示した。
論文 参考訳（メタデータ） (2022-06-20T07:19:38Z) - Let's Go to the Alien Zoo: Introducing an Experimental Framework to
Study Usability of Counterfactual Explanations for Machine Learning [6.883906273999368]
反事実的説明(CFEs)は、心理的に根拠づけられたアプローチとして、ポストホックな説明を生み出している。
私たちは、エンゲージメントがあり、Webベースでゲームに触発された実験的なフレームワークであるAlien Zooを紹介します。
概念実証として,本手法の有効性と実用性を示す。
論文 参考訳（メタデータ） (2022-05-06T17:57:05Z) - Game and Simulation Design for Studying Pedestrian-Automated Vehicle
Interactions [1.3764085113103217]
我々はまず,現場で現代的ツールを提示し,歩行者視点研究を促進する新しいアプリケーションの設計と開発を提案する。
我々は3段階のユーザ体験実験を行い、参加者は様々なシナリオでアプリケーションの使用前後で質問に答える。
論文 参考訳（メタデータ） (2021-09-30T15:26:18Z) - Building Trust in Autonomous Vehicles: Role of Virtual Reality Driving
Simulators in HMI Design [8.39368916644651]
本研究では,生理的信号から収集した連続的客観的情報に基づいて,AVのユーザエクスペリエンスを検証する手法を提案する。
本手法を車両の感覚・計画システムに関する視覚的手がかりを提供するヘッドアップディスプレイインタフェースの設計に適用した。
論文 参考訳（メタデータ） (2020-07-27T08:42:07Z) - DeFINE: Delayed Feedback based Immersive Navigation Environment for
Studying Goal-Directed Human Navigation [10.7197371210731]
DeFINE(Delayed Feedback Based Immersive Navigation Environment)は、ナビゲーションタスクの作成と管理を容易にするフレームワークである。
DeFINEは、実験中に参加者にパフォーマンスフィードバックを提供するビルトイン機能を備えている。
論文 参考訳（メタデータ） (2020-03-06T11:00:12Z)
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。