論文の概要: Lucia: A Temporal Computing Platform for Contextual Intelligence

• arxiv url: http://arxiv.org/abs/2411.12778v1
• Date: Tue, 19 Nov 2024 07:38:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:10:10.626688
• Title: Lucia: A Temporal Computing Platform for Contextual Intelligence
• Title（参考訳）: Lucia: コンテキストインテリジェンスのための時間コンピューティングプラットフォーム
• Authors: Weizhe Lin, Junxiao Shen,
• Abstract要約: Luciaはオープンソースのテンポラルコンピューティングプラットフォームで、連続したコンテクストメモリをキャプチャして利用することによって人間の認知を高めるように設計されている。 Luciaは、日々のアクティビティを記録、解釈することで、ユーザが堅牢な時間記憶にアクセスし、意思決定やメモリリコールなどの認知プロセスを強化する。
• 参考スコア（独自算出の注目度）: 4.1538344141902135
• License:
• Abstract: The rapid evolution of artificial intelligence, especially through multi-modal large language models, has redefined user interactions, enabling responses that are contextually rich and human-like. As AI becomes an integral part of daily life, a new frontier has emerged: developing systems that not only understand spatial and sensory data but also interpret temporal contexts to build long-term, personalized memories. This report introduces Lucia, an open-source Temporal Computing Platform designed to enhance human cognition by capturing and utilizing continuous contextual memory. Lucia introduces a lightweight, wearable device that excels in both comfort and real-time data accessibility, distinguishing itself from existing devices that typically prioritize either wearability or perceptual capabilities alone. By recording and interpreting daily activities over time, Lucia enables users to access a robust temporal memory, enhancing cognitive processes such as decision-making and memory recall.
• Abstract（参考訳）: 人工知能の急速な進化、特にマルチモーダルな大規模言語モデルによって、ユーザーインタラクションが再定義され、コンテキスト的にリッチで人間に似た応答が可能になった。 AIが日常生活の不可欠な部分となるにつれ、新たなフロンティアが出現した。空間的および知覚的データだけでなく、時間的コンテキストを解釈して、長期的なパーソナライズされた記憶を構築するシステムを開発する。 本稿では,連続したコンテクストメモリをキャプチャして活用することにより,人間の認知を高めるために設計されたオープンソースのテンポラルコンピューティングプラットフォームであるLuciaを紹介する。 Luciaは、快適さとリアルタイムデータアクセシビリティの両面で優れている軽量なウェアラブルデバイスを導入し、着用性や知覚能力のみを優先する既存のデバイスと差別化している。 Luciaは、日々のアクティビティを記録、解釈することで、ユーザが堅牢な時間記憶にアクセスし、意思決定やメモリリコールなどの認知プロセスを強化する。

関連論文リスト

• Human-inspired Perspectives: A Survey on AI Long-term Memory [46.33545299110207]
  本稿では,人間の長期記憶機構を紹介し,その後,AIによる長期記憶機構について検討する。 自己適応型長期記憶(SALM)の認知アーキテクチャを提案する。 SALMは、AI長期記憶の実践のための理論的フレームワークを提供し、次世代の長期記憶駆動型AIシステムの開発を導く可能性を秘めている。
  論文  参考訳（メタデータ） (2024-11-01T10:04:01Z)
• Emulating Brain-like Rapid Learning in Neuromorphic Edge Computing [3.735012564657653]
  デジタルニューロモルフィック技術は、学習の2段階を用いて脳の神経とシナプスの過程をシミュレートする。 イベント駆動型視覚センサデータとIntel Loihiニューロモルフィックプロセッサの塑性ダイナミクスを用いたアプローチを実証する。 提案手法は任意の可塑性モデルで展開可能であり,学習の迅速化と適応を要求される状況に適用可能である。
  論文  参考訳（メタデータ） (2024-08-28T13:51:52Z)
• Hello Again! LLM-powered Personalized Agent for Long-term Dialogue [63.65128176360345]
  モデルに依存しない長期対話エージェント(LD-Agent)を導入する。 イベント認識、ペルソナ抽出、応答生成のための3つの独立した調整可能なモジュールが組み込まれている。 LD-Agentの有効性, 汎用性, クロスドメイン性について実験的に検証した。
  論文  参考訳（メタデータ） (2024-06-09T21:58:32Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• Subspace Chronicles: How Linguistic Information Emerges, Shifts and Interacts during Language Model Training [56.74440457571821]
  我々は、構文、意味論、推論を含むタスクを、200万の事前学習ステップと5つのシードで分析する。 タスクや時間にまたがる重要な学習フェーズを特定し、その間にサブスペースが出現し、情報を共有し、後に専門化するために混乱する。 この結果は,モデル解釈可能性,マルチタスク学習,限られたデータからの学習に影響を及ぼす。
  論文  参考訳（メタデータ） (2023-10-25T09:09:55Z)
• MyDigitalFootprint: an extensive context dataset for pervasive computing applications at the edge [7.310043452300736]
  MyDigitalFootprintは、スマートフォンセンサーデータ、物理的な近接情報、オンラインソーシャルネットワークのインタラクションを含む大規模なデータセットである。 自然環境における31人のボランティアユーザーによる2ヶ月の計測で、制限なしの行動を可能にする。 データセットの有効性を示すために,各種機械学習タスクを利用したコンテキスト認識3つのアプリケーションを提案する。
  論文  参考訳（メタデータ） (2023-06-28T07:59:47Z)
• SSAN: Separable Self-Attention Network for Video Representation Learning [11.542048296046524]
  本稿では,空間的および時間的相関を逐次モデル化する分離型自己アテンションモジュールを提案する。 2次元CNNにSSAモジュールを追加することで、ビデオ表現学習のためのSSAネットワーク(SSAN)を構築する。 提案手法は,Something と Kinetics-400 データセットの最先端手法より優れている。
  論文  参考訳（メタデータ） (2021-05-27T10:02:04Z)
• Temporal Memory Relation Network for Workflow Recognition from Surgical Video [53.20825496640025]
  本研究では, 長期および多スケールの時間パターンを関連づける, エンドツーエンドの時間メモリ関係ネットワーク (TMNet) を提案する。 我々はこのアプローチを2つのベンチマーク手術ビデオデータセットで広範囲に検証した。
  論文  参考訳（メタデータ） (2021-03-30T13:20:26Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• AEGIS: A real-time multimodal augmented reality computer vision based system to assist facial expression recognition for individuals with autism spectrum disorder [93.0013343535411]
  本稿では,コンピュータビジョンと深部畳み込みニューラルネットワーク(CNN)を組み合わせたマルチモーダル拡張現実(AR)システムの開発について述べる。 提案システムはAIGISと呼ばれ,タブレット,スマートフォン,ビデオ会議システム,スマートグラスなど,さまざまなユーザデバイスにデプロイ可能な支援技術である。 我々は空間情報と時間情報の両方を活用して正確な表現予測を行い、それを対応する可視化に変換し、元のビデオフレーム上に描画する。
  論文  参考訳（メタデータ） (2020-10-22T17:20:38Z)

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。