論文の概要: Automation Configuration in Smart Home Systems: Challenges and Opportunities
- arxiv url: http://arxiv.org/abs/2408.04755v1
- Date: Thu, 8 Aug 2024 21:05:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-12 17:08:34.662592
- Title: Automation Configuration in Smart Home Systems: Challenges and Opportunities
- Title（参考訳）: スマートホームシステムにおける自動化構成 : 課題と機会
- Authors: Sheik Murad Hassan Anik, Xinghua Gao, Hao Zhong, Xiaoyin Wang, Na Meng,
- Abstract要約: Home Assistant(HA)は、スマートホームの最も人気のあるプラットフォームの一つだ。
エンドユーザは(S1)選択したデバイスをシステムに統合し、(S2)それらのデバイスを制御するYAMLファイルを作成することで、ホームをスマート化することができる。
残念なことに、デバイスの多様性と自動構成の複雑さのため、多くのユーザはYAMLファイルを正しく作成することが難しい。
- 参考スコア（独自算出の注目度）: 9.716646750290913
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the innovation of smart devices and internet-of-things (IoT), smart homes have become prevalent. People tend to transform residences into smart homes by customizing off-the-shelf smart home platforms, instead of creating IoT systems from scratch. Among the alternatives, Home Assistant (HA) is one of the most popular platforms. It allows end-users (i.e., home residents) to smartify homes by (S1) integrating selected devices into the system, and (S2) creating YAML files to control those devices. Unfortunately, due to the diversity of devices and complexity of automatic configurations, many users have difficulty correctly creating YAML files. Consequently, their smart homes may not work as expected, causing frustration and concern in users. This paper presents a novel study on issues of YAML-based automation configuration in smart homes (issues related to S2). We mined the online forum Home Assistant Community for discussion threads related to automation configuration. By manually inspecting 190 threads, we revealed 3 categories of concerns: implementation, optimization, and debugging. Under each category, we classified discussions based on the issue locations and technical concepts involved. Among debugging discussions, we further classified discussions based on users' resolution strategies; we also applied existing analysis tools to buggy YAML files, to assess the tool effectiveness. Our study reveals the common challenges faced by users and frequently applied resolution strategies. There are 129 (68%) examined issues concerning debugging, but existing tools can detect at most 14 issues and fix none. It implies that existing tools provide limited assistance in automation configuration. Our research sheds light on future directions in smart home development.
- Abstract（参考訳）: スマートデバイスとIoT(Internet-of-Things)のイノベーションとして、スマートホームが普及している。
人々は、IoTシステムをゼロから作るのではなく、既製のスマートホームプラットフォームをカスタマイズすることで、住居をスマートホームに変える傾向があります。
代替として、Home Assistant(HA)は最も人気のあるプラットフォームのひとつだ。
これは、(S1)選択したデバイスをシステムに統合し、(S2)それらのデバイスを制御するYAMLファイルを作成することによって、エンドユーザー(つまり住宅居住者)が家庭をスマート化することを可能にする。
残念なことに、デバイスの多様性と自動構成の複雑さのため、多くのユーザはYAMLファイルを正しく作成することが難しい。
その結果、スマートホームは期待通りに機能せず、ユーザーのフラストレーションと懸念を引き起こします。
本稿では,スマートホームにおけるYAMLによる自動化設定の課題(S2)について述べる。
自動化設定に関する議論スレッドのために、オンラインフォーラムHome Assistant Communityをマイニングしました。
190スレッドを手動で検査することで、実装、最適化、デバッグの3つのカテゴリが明らかになった。
各カテゴリにおいて、関連する課題の場所と技術的な概念に基づいて、議論を分類した。
デバッグの議論の中では,ユーザの解決戦略に基づいた議論をさらに分類し,既存の解析ツールをバグのあるYAMLファイルに適用し,ツールの有効性を評価する。
本研究は,ユーザの直面する共通課題と頻繁な解決戦略を明らかにする。
デバッグに関する129件(68%)が調査されているが、既存のツールは最大14件の問題を検知し、修正することができない。
これは、既存のツールが自動化設定の限られた補助を提供することを意味する。
我々の研究はスマートホーム開発における今後の方向性に光を当てている。
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) - SPA-Bench: A Comprehensive Benchmark for SmartPhone Agent Evaluation [89.24729958546168]
We present SPA-Bench, a comprehensive SmartPhone Agent Benchmark designed to evaluate (M)LLM-based agent。
SPA-Benchは3つの重要なコントリビューションを提供している。 英語と中国語の両方で、システムとサードパーティアプリをカバーする多様なタスクセットで、日々のルーチンで一般的に使用される機能に焦点を当てている。
複数の次元にまたがってエージェントのパフォーマンスを自動的に評価する新しい評価パイプラインは、タスク完了とリソース消費に関連する7つの指標を含んでいる。
論文 参考訳（メタデータ） (2024-10-19T17:28:48Z) - SWE-bench Multimodal: Do AI Systems Generalize to Visual Software Domains? [64.34184587727334]
視覚的ユーザ向けJavaScriptソフトウェアにおけるバグ修正機能に基づいて,システム評価を行うSWE-bench Multimodalを提案する。
SWE-bench Mは、Webインターフェース設計、ダイアグラム、データ視覚化、シンタックスハイライト、インタラクティブマッピングに使用される17のJavaScriptライブラリから収集された617のタスクインスタンスを特徴とする。
分析の結果,SWE-benchシステムはSWE-bench Mと競合し,視覚的問題解決や言語間の一般化に限界があることが判明した。
論文 参考訳（メタデータ） (2024-10-04T18:48:58Z) - MemSim: A Bayesian Simulator for Evaluating Memory of LLM-based Personal Assistants [64.41695570145673]
生成したユーザメッセージから信頼性の高い質問や回答(QA)を自動的に構築するベイズシミュレータであるMemSimを提案する。
MemSimに基づいて、MemDailyという名前の日常生活シナリオのデータセットを生成し、我々のアプローチの有効性を評価するための広範な実験を行う。
論文 参考訳（メタデータ） (2024-09-30T10:19:04Z) - Multi-LLM QA with Embodied Exploration [55.581423861790945]
未知環境における質問応答におけるマルチエンボディードLEMエクスプローラ(MELE)の利用について検討する。
複数のLSMベースのエージェントが独立して家庭用環境に関する質問を探索し、回答する。
各問合せに対して1つの最終回答を生成するために,異なるアグリゲーション手法を解析する。
論文 参考訳（メタデータ） (2024-06-16T12:46:40Z) - AutoSurvey: Large Language Models Can Automatically Write Surveys [77.0458309675818]
本稿では,総合的な文献調査を自動作成する手法であるAutoSurveyを紹介する。
従来の調査論文は、膨大な量の情報と複雑さのために、課題に直面している。
我々の貢献には、調査問題に対する総合的な解決策、信頼性評価方法、AutoSurveyの有効性を実証する実験的な検証が含まれる。
論文 参考訳（メタデータ） (2024-06-10T12:56:06Z) - DREAM: Debugging and Repairing AutoML Pipelines [39.83914420717843]
我々はAutoMLシステムのための自動デバッグ・修復システムであるDREAMを設計・実装する。
AutoMLのプロセスを監視し、詳細なフィードバックを収集し、検索スペースを拡張してバグを自動的に修復する。
評価の結果,DREAMはAutoMLのバグを効果的かつ効率的に修復できることがわかった。
論文 参考訳（メタデータ） (2023-12-31T02:45:17Z) - AgentSims: An Open-Source Sandbox for Large Language Model Evaluation [9.156652770482268]
既存の評価手法は,(1)制約付き評価能力,(2)脆弱なベンチマーク,(3)客観的な指標などの欠点に悩まされている。
LLMエージェントがシミュレーション環境でタスクを完了させるタスクベース評価は、上記の問題を解決するための一対一のソリューションである。
AgentSimsは、あらゆる分野の研究者が興味のある特定の能力をテストするための、使いやすいインフラだ。
論文 参考訳（メタデータ） (2023-08-08T03:59:28Z) - HomeRobot: Open-Vocabulary Mobile Manipulation [107.05702777141178]
Open-Vocabulary Mobile Manipulation (OVMM) は、目に見えない環境で任意のオブジェクトを選択し、命令された場所に配置する問題である。
HomeRobotには2つのコンポーネントがある。シミュレーションコンポーネントは、新しい高品質のマルチルームホーム環境に、大規模で多様なキュレートされたオブジェクトセットを使用する。
論文 参考訳（メタデータ） (2023-06-20T14:30:32Z) - Sasha: Creative Goal-Oriented Reasoning in Smart Homes with Large
Language Models [14.015334285802725]
より自然なコミュニケーションでは、人間のスピーチは制約がなく、特定のターゲットデバイスやそれらのデバイスに対処するアクションを示すのではなく、目標を記述する。
現在のシステムは、人間の状況に関連するデバイスや設定を推論できないため、これらの未特定コマンドを理解できない。
我々は,この問題空間に大規模言語モデル(LLM)を導入し,スマートホームにおける不特定ユーザコマンドへの対応として,デバイス制御と自動化ルーチン作成に利用することを検討した。
論文 参考訳（メタデータ） (2023-05-16T20:52:04Z) - SafeAccess+: An Intelligent System to make Smart Home Safer and
Americans with Disability Act Compliant [0.0]
ADA対応アプライアンスとサービスを備えたスマートホームは、障害者にとって不可欠である。
障害のある人は、誰かがドアをノックしたり、ドアベルを鳴らしたりすると、不安を感じます。
我々は、より安全でADAに準拠した前提を構築するための、SafeAccess+と呼ばれるインテリジェントシステムを提案する。
論文 参考訳（メタデータ） (2021-09-14T22:39:58Z)
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。