論文の概要: AutoPal: Autonomous Adaptation to Users for Personal AI Companionship

• arxiv url: http://arxiv.org/abs/2406.13960v4
• Date: Sat, 07 Jun 2025 15:11:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:08.615828
• Title: AutoPal: Autonomous Adaptation to Users for Personal AI Companionship
• Title（参考訳）: AutoPal: パーソナルAIコンパニオンシップのためのユーザへの自律的な適応
• Authors: Yi Cheng, Wenge Liu, Kaishuai Xu, Wenjun Hou, Yi Ouyang, Chak Tou Leong, Wenjie Li, Xian Wu, Yefeng Zheng,
• Abstract要約: 本稿では、パーソナルAIコンパニオンにおける自律的適応の必要性を強調する。 エージェントのペルソナを制御可能かつ真正に調整できる階層型フレームワークであるAutoPalを考案する。 実験はAutoPalの有効性を示し、AIコンパニオンにおける自律的適応性の重要性を強調している。
• 参考スコア（独自算出の注目度）: 41.41280146492634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Previous research has demonstrated the potential of AI agents to act as companions that can provide constant emotional support for humans. In this paper, we emphasize the necessity of autonomous adaptation in personal AI companionship, an underexplored yet promising direction. Such adaptability is crucial as it can facilitate more tailored interactions with users and allow the agent to evolve in response to users' changing needs. However, imbuing agents with autonomous adaptability presents unique challenges, including identifying optimal adaptations to meet users' expectations and ensuring a smooth transition during the adaptation process. To address them, we devise a hierarchical framework, AutoPal, that enables controllable and authentic adjustments to the agent's persona based on user interactions. A personamatching dataset is constructed to facilitate the learning of optimal persona adaptations. Extensive experiments demonstrate the effectiveness of AutoPal and highlight the importance of autonomous adaptability in AI companionship.
• Abstract（参考訳）: これまでの研究は、AIエージェントが人間の感情を継続的に支援できる仲間として振る舞う可能性を実証してきた。 本稿では、未探索だが有望な方向性であるパーソナルAIコンパニオンシップにおける自律的適応の必要性を強調する。 このような適応性は、ユーザとのより適切なインタラクションを促進し、ユーザのニーズの変化に応じてエージェントが進化できるようにするため、極めて重要である。 しかし, 自律的適応性を有する入力エージェントは, ユーザの期待に合う最適な適応を識別し, 適応プロセス中にスムーズな遷移を確保するなど, 独特な課題を呈している。 そこで我々は,ユーザインタラクションに基づいてエージェントのペルソナを制御可能かつ認証可能とした階層型フレームワークであるAutoPalを考案した。 最適なペルソナ適応の学習を容易にするために、ペルソナマッチングデータセットを構築する。 大規模な実験はAutoPalの有効性を示し、AIコンパニオンにおける自律的適応の重要性を強調している。

関連論文リスト

• UserBench: An Interactive Gym Environment for User-Centric Agents [110.77212949007958]
  LLM(Large Language Models)ベースのエージェントは、推論とツールの使用において、目覚ましい進歩を遂げてきたが、ユーザと積極的にコラボレーションする能力はまだ未熟である。 マルチターン、選好駆動インタラクションにおいてエージェントを評価するために設計されたユーザ中心のベンチマークであるUserBenchを紹介する。
  論文  参考訳（メタデータ） (2025-07-29T17:34:12Z)
• Levels of Autonomy for AI Agents [9.324309359500198]
  エージェントの自律性のレベルは、その能力と運用環境とは別に、意図的な設計上の決定として扱うことができると論じる。 エージェントと対話する際の役割を特徴とし,エージェントの自律性を高める5つのレベルを定義した。 シングルエージェントおよびマルチエージェントシステムにおけるエージェントの動作を管理するために、AI自律性証明書に対する私たちのフレームワークの潜在的な応用を強調します。
  論文  参考訳（メタデータ） (2025-06-14T12:14:36Z)
• From Strangers to Assistants: Fast Desire Alignment for Embodied Agent-User Adaptation [24.232670566927972]
  LLM駆動型ユーザエージェントを統合したホームアシストシミュレーション環境HA-Desireを開発した。 本稿では、欲求に基づく心的推論機構を導入した、迅速な欲求整合のための新しいフレームワークFAMERを提案する。 本フレームワークは,タスク実行とコミュニケーション効率を大幅に向上させ,具体的エージェントがユーザ固有の欲求に迅速に適応できるようにする。
  論文  参考訳（メタデータ） (2025-05-28T15:51:13Z)
• Modeling and Optimizing User Preferences in AI Copilots: A Comprehensive Survey and Taxonomy [5.985777189633703]
  AIコパイロは、複雑でコンテキストに富んだタスクでユーザを支援するように設計された、AI駆動システムの新世代を表す。 このパーソナライゼーションの中心は、好みの最適化である。システムの個々のユーザの好みを検出し、解釈し、調整する能力である。 この調査は、AIコパイロにおけるユーザの嗜好がどのように運用されているかを調べる。
  論文  参考訳（メタデータ） (2025-05-28T02:52:39Z)
• Confidence-Regulated Generative Diffusion Models for Reliable AI Agent Migration in Vehicular Metaverses [55.70043755630583]
  車両用AIエージェントには、環境認識、意思決定、行動実行能力が与えられている。 本稿では、信頼性の高い車両用AIエージェントマイグレーションフレームワークを提案し、信頼性の高い動的マイグレーションと効率的なリソーススケジューリングを実現する。 我々は,AIエージェントのマイグレーション決定を効率的に生成する信頼性制御型生成拡散モデル(CGDM)を開発した。
  論文  参考訳（メタデータ） (2025-05-19T05:04:48Z)
• Integrating Human Feedback into a Reinforcement Learning-Based Framework for Adaptive User Interfaces [0.0]
  強化学習(Reinforcement Learning, RL)は、複雑でシーケンシャルな適応課題に対処するための有望なアプローチとして登場した。 RLベースの適応ユーザインタフェース適応フレームワークを,個人化されたフィードバックをリーンプロセスに直接組み込むことで拡張する。 当社のアプローチでは、各ユーザに対して独自のRLエージェントをトレーニングし、個人が自身のRLエージェントのポリシーを積極的に形成できるようにする。
  論文  参考訳（メタデータ） (2025-04-29T14:00:22Z)
• Towards Balancing Preference and Performance through Adaptive Personalized Explainability [5.297303831218776]
  シミュレーション自動車(AV)ドメインに設定した2つのユーザスタディを提示する。 本研究では,(1)xAIの個体群レベルの嗜好と(2)ロボットの説明を提供するためのパーソナライズ戦略について検討する。
  論文  参考訳（メタデータ） (2025-03-21T17:31:25Z)
• SmartAgent: Chain-of-User-Thought for Embodied Personalized Agent in Cyber World [50.937342998351426]
  COUT(Chain-of-User-Thought)は、新しい推論パラダイムである。 我々は、サイバー環境を認識し、パーソナライズされた要求を推論するエージェントフレームワークであるSmartAgentを紹介する。 我々の研究は、まずCOUTプロセスを定式化し、パーソナライズされたエージェント学習を具体化するための予備的な試みとして役立ちます。
  論文  参考訳（メタデータ） (2024-12-10T12:40:35Z)
• A Framework for Adapting Human-Robot Interaction to Diverse User Groups [16.17512394063696]
  適応型ロボットインタラクション(HRI)のための新しいフレームワークを提案する。 私たちの主な貢献は、オープンソースのコードベースを備えた適応型ROSベースのHRIフレームワークの開発です。 このフレームワークは、高度な音声認識と音声活動検出を通じて、自然な相互作用をサポートする。
  論文  参考訳（メタデータ） (2024-10-15T08:16:43Z)
• Smart Help: Strategic Opponent Modeling for Proactive and Adaptive Robot Assistance in Households [30.33911147366425]
  Smart Helpは、多様な障害を持つ人間のエージェントに対して、積極的にかつ適応的なサポートを提供することを目的としている。 本稿では,主エージェントの能力と目標の微妙な理解を提供する,イノベーティブな対戦相手モデリングモジュールを紹介する。 この結果から,AIを組み込んだ支援ロボットが,脆弱なグループの健康向上に寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-04-13T13:03:59Z)
• Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation [0.6591036379613505]
  我々は,最適人-エージェントチームの性能向上のための計算モデルと最適化手法を開発した。 我々は,ロボットが逐次意思決定ゲームにおいて,その支援に従おうとする人々の意思を推測できるオンラインベイズアプローチを採用する。 ユーザの好みやチームのパフォーマンスは,ロボットの介入スタイルによって明らかに異なります。
  論文  参考訳（メタデータ） (2024-03-24T14:38:18Z)
• User-Driven Adaptation: Tailoring Autonomous Driving Systems with Dynamic Preferences [8.555603201531646]
  本研究は,フィードバック駆動適応によるシステム行動とユーザ期待の整合性に着目した。 この結果は、アルゴリズムによる調整とユーザの苦情を効果的にマージするアプローチの能力を裏付けるものである。
  論文  参考訳（メタデータ） (2024-03-05T12:44:54Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• "No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy [70.45420918526926]
  LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。 LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。 提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
  論文  参考訳（メタデータ） (2023-01-06T15:03:27Z)
• Safe adaptation in multiagent competition [48.02377041620857]
  マルチエージェントの競争シナリオでは、エゴエージェントは前例のない振る舞いを持つ新しい相手に適応しなければならない。 エゴエージェントは、相手を悪用するために自身の行動を更新するので、その行動はより悪用される可能性がある。 我々は,エゴエージェントを正規化相手モデルに対してトレーニングする安全な適応手法を開発する。
  論文  参考訳（メタデータ） (2022-03-14T23:53:59Z)
• Self-Initiated Open World Learning for Autonomous AI Agents [16.41396764793912]
  実際にAIエージェントが使われるようになるにつれて、エージェントを完全に自律的にする方法を考える時が来た。 本稿では,自己開始型オープンワールド学習エージェントの構築研究を促進するための,この学習パラダイムの理論的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-10-21T18:11:02Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)
• SPA: Verbal Interactions between Agents and Avatars in Shared Virtual Environments using Propositional Planning [61.335252950832256]
  SPA(Sense-Plan-Ask)は、仮想的な仮想環境において、仮想的な人間のようなエージェントとユーザアバターの間の言語的対話を生成する。 提案アルゴリズムは実行時コストを小さくし,自然言語通信を利用せずにエージェントよりも効率的に目標を達成できることが判明した。
  論文  参考訳（メタデータ） (2020-02-08T23:15:06Z)

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。