論文の概要: From Uncertainty to Innovation: Wearable Prototyping with ProtoBot

• arxiv url: http://arxiv.org/abs/2410.08340v1
• Date: Thu, 10 Oct 2024 19:57:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-31 03:56:20.247247
• Title: From Uncertainty to Innovation: Wearable Prototyping with ProtoBot
• Title（参考訳）: 不確実性からイノベーションへ:ProtoBotを使ったウェアラブルプロトタイピング
• Authors: İhsan Ozan Yıldırım, Cansu Çetin Er, Ege Keskin, Murat Kuşcu, Oğuzhan Özcan,
• Abstract要約: この研究は4つのユニークなウェアラブルデバイスの概念を生み出し、参加者は選択したコンポーネントのプロトタイプにProtobotを使用した。 我々の研究は、ウェアラブルエレクトロニクスの迅速なプロトタイピングに大規模な言語モデルを使うことを初めて実証した。 このアプローチは、ウェアラブルプロトタイプと他の製品の両方を開発したいと考えている人々にとって、不確実性を恐れることなく、迅速なプロトタイピングのパイオニアになると考えています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite AI advancements, individuals without software or hardware expertise still face barriers in designing wearable electronic devices due to the lack of code-free prototyping tools. To eliminate these barriers, we designed ProtoBot, leveraging large language models, and conducted a case study with four professionals from different disciplines through playful interaction. The study resulted in four unique wearable device concepts, with participants using Protobot to prototype selected components. From this experience, we learned that (1) uncertainty can be turned into a positive experience, (2) the ProtoBot should transform to reliably act as a guide, and (3) users need to adjust design parameters when interacting with the prototypes. Our work demonstrates, for the first time, the use of large language models in rapid prototyping of wearable electronics. We believe this approach will pioneer rapid prototyping without fear of uncertainties for people who want to develop both wearable prototypes and other products.
• Abstract（参考訳）: AIの進歩にもかかわらず、ソフトウェアやハードウェアの専門知識を持たない個人は、コードフリーのプロトタイピングツールがないため、ウェアラブル電子機器の設計において障壁に直面している。 これらの障壁を取り除くため、我々は大規模な言語モデルを活用したProtoBotを設計し、遊び心のあるインタラクションを通じて異なる分野の専門家4人とケーススタディを行った。 この研究は4つのユニークなウェアラブルデバイスの概念を生み出し、参加者は選択したコンポーネントのプロトタイプにProtobotを使用した。 この経験から,(1)不確実性は肯定的な体験に変換可能であること,(2) ProtoBotはガイドとして確実に動作するために変換されるべきであること,(3)プロトタイプと対話する際に設計パラメータを調整する必要があること,などが判明した。 我々の研究は、ウェアラブルエレクトロニクスの迅速なプロトタイピングに大規模な言語モデルを使うことを初めて実証した。 このアプローチは、ウェアラブルプロトタイプと他の製品の両方を開発したいと考えている人々にとって、不確実性を恐れることなく、迅速なプロトタイピングのパイオニアになると考えています。

関連論文リスト

• Games for AI Control: Models of Safety Evaluations of AI Deployment Protocols [52.40622903199512]
  本稿では,多目的かつ部分的に観察可能なゲームとして,AI-Control Gamesを紹介した。 我々は、信頼できない言語モデルをプログラミングアシスタントとしてデプロイするためのプロトコルをモデル化、評価、合成するために、フォーマリズムを適用した。
  論文  参考訳（メタデータ） (2024-09-12T12:30:07Z)
• Mixture of Gaussian-distributed Prototypes with Generative Modelling for Interpretable and Trustworthy Image Recognition [15.685927265270085]
  ガウス分布プロトタイプ(MGProto)の混合(mixture of Gaussian-Distributed Prototypes)と呼ばれるプロトタイプ分布を学習するための新しい生成パラダイムを提案する。 MGProtoは最先端の画像認識とOoD検出性能を実現し,解釈可能性の向上を実現している。
  論文  参考訳（メタデータ） (2023-11-30T11:01:37Z)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• Generative Input: Towards Next-Generation Input Methods Paradigm [49.98958865125018]
  我々はGeneInputという新しい生成入力パラダイムを提案する。 すべての入力シナリオと他のインテリジェントな補助入力関数を処理するためにプロンプトを使用し、ユーザーフィードバックでモデルを最適化し、パーソナライズされた結果を提供する。 その結果,FK2C(Full-mode Key-sequence to Characters)タスクにおいて,最先端のパフォーマンスを初めて達成したことを示す。
  論文  参考訳（メタデータ） (2023-11-02T12:01:29Z)
• Towards Human-Interpretable Prototypes for Visual Assessment of Image Classification Models [9.577509224534323]
  人間に似た推論プロセスに基づいて、解釈可能な設計のモデルが必要です。 ProtoPNetは、教師なしの方法で視覚的に意味のあるプロトタイプを発見すると主張している。 これらのプロトタイプはまだ明確な説明に向けて長い道のりがある。
  論文  参考訳（メタデータ） (2022-11-22T11:01:22Z)
• STPOTR: Simultaneous Human Trajectory and Pose Prediction Using a Non-Autoregressive Transformer for Robot Following Ahead [8.227864212055035]
  観測された人間の動作履歴から将来の人間の動作を予測するニューラルネットワークモデルを開発した。 本研究では,自動回帰トランスフォーマアーキテクチャを提案し,その並列特性を利用して,テスト時の高速かつ高精度な予測を行う。 我々のモデルは、最先端の手法に関して、テスト精度と速度の観点からロボット応用に適している。
  論文  参考訳（メタデータ） (2022-09-15T20:27:54Z)
• But that's not why: Inference adjustment by interactive prototype revision [6.422069304047397]
  ディープインタラクティブなプロトタイプ調整により、ユーザーはヒントを与え、モデルの推論を修正することができる。 正しい分類でさえ、データセット内の変数の相違から生じる不合理なプロトタイプに依存することができる。
  論文  参考訳（メタデータ） (2022-03-18T17:55:39Z)
• Diverse Part Discovery: Occluded Person Re-identification with Part-Aware Transformer [95.02123369512384]
  蓄積された人物の再識別(Re-ID)は、様々な障害や人によってしばしば妨げられるため、困難な作業である。 本稿では,多種多様な部分発見を通して,隠蔽されたRe-IDのための新しいエンドツーエンドのPart-Aware Transformer(PAT)を提案する。
  論文  参考訳（メタデータ） (2021-06-08T04:29:07Z)
• Adversarial Training is Not Ready for Robot Learning [55.493354071227174]
  対人訓練は,ノルム有界摂動に耐性のあるディープラーニングモデルを訓練する有効な方法である。 敵訓練により得られたニューラルコントローラが3種類の欠陥を受けることを理論的および実験的に示す。 この結果から, ロボット学習にはまだ対応できていないことが示唆された。
  論文  参考訳（メタデータ） (2021-03-15T07:51:31Z)
• Learning Sparse Prototypes for Text Generation [120.38555855991562]
  プロトタイプ駆動のテキスト生成は、トレーニングコーパス全体の保存とインデックスを必要とするため、テスト時に非効率である。 本稿では,言語モデリング性能を向上するスパースなプロトタイプサポートセットを自動的に学習する新しい生成モデルを提案する。 実験では,1000倍のメモリ削減を実現しつつ,従来のプロトタイプ駆動型言語モデルよりも優れていた。
  論文  参考訳（メタデータ） (2020-06-29T19:41:26Z)

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。