論文の概要: AutoIoT: Automated IoT Platform Using Large Language Models
- arxiv url: http://arxiv.org/abs/2411.10665v1
- Date: Sat, 16 Nov 2024 02:02:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-19 14:31:53.215088
- Title: AutoIoT: Automated IoT Platform Using Large Language Models
- Title（参考訳）: AutoIoT: 大規模言語モデルを使用したIoTプラットフォーム自動化
- Authors: Ye Cheng, Minghui Xu, Yue Zhang, Kun Li, Ruoxi Wang, Lian Yang,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 14.481067833984474
- License:
- Abstract: IoT platforms, particularly smart home platforms providing significant convenience to people's lives such as Apple HomeKit and Samsung SmartThings, allow users to create automation rules through trigger-action programming. However, some users may lack the necessary knowledge to formulate automation rules, thus preventing them from fully benefiting from the conveniences offered by smart home technology. To address this, smart home platforms provide pre-defined automation policies based on the smart home devices registered by the user. Nevertheless, these policies, being pre-generated and relatively simple, fail to adequately cover the diverse needs of users. Furthermore, conflicts may arise between automation rules, and integrating conflict detection into the IoT platform increases the burden on developers. In this paper, we propose AutoIoT, an automated IoT platform based on Large Language Models (LLMs) and formal verification techniques, designed to achieve end-to-end automation through device information extraction, LLM-based rule generation, conflict detection, and avoidance. AutoIoT can help users generate conflict-free automation rules and assist developers in generating codes for conflict detection, thereby enhancing their experience. A code adapter has been designed to separate logical reasoning from the syntactic details of code generation, enabling LLMs to generate code for programming languages beyond their training data. Finally, we evaluated the performance of AutoIoT and presented a case study demonstrating how AutoIoT can integrate with existing IoT platforms.
- Abstract（参考訳）: IoTプラットフォーム、特にスマートホームプラットフォームは、Apple HomeKitやSamsung SmartThingsといった人々の生活に多大な利便性を提供し、トリガアクションプログラミングを通じて自動化ルールを作成することができる。
しかし、自動化ルールを定式化するために必要な知識が欠如しているユーザもいるため、スマートホーム技術が提供する利便性から完全に恩恵を受けられないユーザもいる。
これを解決するために、スマートホームプラットフォームは、ユーザが登録したスマートホームデバイスに基づいて、事前に定義された自動化ポリシーを提供する。
それでも、これらのポリシーは事前に生成され、比較的単純なもので、ユーザの多様なニーズを適切にカバーすることができない。
さらに、自動化ルール間のコンフリクトが発生し、IoTプラットフォームにコンフリクト検出を統合することで、開発者の負担が増大する可能性がある。
本稿では,大規模言語モデル(LLM)に基づく自動IoTプラットフォームであるAutoIoTと,デバイス情報抽出,LLMベースのルール生成,競合検出,回避によるエンドツーエンドの自動化を実現するための形式検証手法を提案する。
AutoIoTは,コンフリクトのない自動化ルールの生成を支援し,コンフリクト検出用のコード生成を支援することで,エクスペリエンスの向上を実現する。
コードアダプタは、コード生成の構文的な詳細から論理的推論を分離するために設計されており、LLMはトレーニングデータ以外のプログラミング言語のコードを生成することができる。
最後に、AutoIoTのパフォーマンスを評価し、AutoIoTが既存のIoTプラットフォームとどのように統合できるかを示すケーススタディを提示した。
関連論文リスト
- AutoGLM: Autonomous Foundation Agents for GUIs [51.276965515952]
我々は、グラフィカルユーザインタフェース(GUI)を介してデジタルデバイスを自律的に制御するための基礎エージェントとして設計された、ChatGLMファミリーの新しいシリーズであるAutoGLMを紹介する。
実世界のGUIインタラクションのための実践的基礎エージェントシステムとしてAutoGLMを開発した。
評価では、AutoGLMが複数のドメインにまたがって有効であることを示す。
論文 参考訳（メタデータ） (2024-10-28T17:05:10Z) - Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。
我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。
IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文 参考訳（メタデータ） (2024-07-09T17:33:24Z) - Human-Centered Automation [0.3626013617212666]
この論文は、自動化システムの設計と開発におけるユーザニーズと嗜好を優先するHCA(Human-Centered Automation)の新たな領域について論じている。
本稿は、既存の自動化アプローチの限界、AIとRPAの統合の課題、生産性、イノベーション、そしてこれらの技術へのアクセスを民主化するための人間中心の自動化の利点について論じる。
論文 参考訳（メタデータ） (2024-05-24T22:12:28Z) - Automatic Programming: Large Language Models and Beyond [48.34544922560503]
我々は,プログラマの責任に関するコード品質,セキュリティ,関連する問題について検討する。
ソフトウェア工学の進歩が自動プログラミングを実現する方法について論じる。
我々は、近い将来のプログラミング環境に焦点をあてて、先見的な視点で締めくくります。
論文 参考訳（メタデータ） (2024-05-03T16:19:24Z) - IoT Device Labeling Using Large Language Models [3.3044728148521623]
AIソリューションは、これまで見たことがなく、ラベルが不明なIoTデバイスにラベルを付けることができるのか?
提案ソリューションでは,ネットワークトラフィックからドメイン名やカタログなどのテキスト機能を抽出し,Google検索データを用いて,ベンダやデバイス機能のカタログと並行して,これらの機能を充実させる。
このソリューションは、Large Language Models(LLM)を使用して、これらの新興デバイスタイプを更新する自動更新メカニズムも統合している。
論文 参考訳（メタデータ） (2024-03-03T18:41:22Z) - Large Language Models Empowered Autonomous Edge AI for Connected
Intelligence [51.269276328087855]
エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。
この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
論文 参考訳（メタデータ） (2023-07-06T05:16:55Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。
本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。
我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
論文 参考訳（メタデータ） (2021-10-04T12:20:46Z) - An Automated Data Engineering Pipeline for Anomaly Detection of IoT
Sensor Data [0.0]
チップ技術、IoT(Internet of Things)、クラウドコンピューティング、人工知能といったシステムが、現在の問題を解決する可能性を高めている。
データ分析と機械学習/ディープラーニングの使用により、基盤となるパターンを学習し、IoTセンサから生成された大量のデータから何を学んだかに基づいて決定することができる。
プロセスにはIoTセンサ、Raspberry Pi、Amazon Web Services(AWS)、スマートホームセキュリティシステムの異常なケースを特定するための複数の機械学習技術の使用が含まれる。
論文 参考訳（メタデータ） (2021-09-28T15:57:29Z) - RL-IoT: Towards IoT Interoperability via Reinforcement Learning [3.939866872704532]
未知のIoTデバイスとのインタラクションを探索するシステムであるRL-IoTを提案する。
強化学習を活用し、プロトコルメッセージの意味を理解し、特定の目標を達成するためにデバイスを制御します。
適切に調整されたパラメータによって、RL-IoTはターゲットデバイスでアクションを実行する方法を学び、400のインタラクションで非自明なパターンを完成させる。
論文 参考訳（メタデータ） (2021-05-03T14:09:03Z) - Personalized Federated Learning for Intelligent IoT Applications: A
Cloud-Edge based Framework [12.199870302894439]
IoT(Internet of Things)は、現代生活のさまざまな側面に広く浸透している。
この記事では、インテリジェントなIoTアプリケーションのためのクラウドエッジアーキテクチャにおいて、パーソナライズされたフェデレーション付き学習フレームワークを推奨します。
論文 参考訳（メタデータ） (2020-02-25T05:11:06Z)
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。