論文の概要: Leveraging LLMs for Dynamic IoT Systems Generation through Mixed-Initiative Interaction
- arxiv url: http://arxiv.org/abs/2502.00689v1
- Date: Sun, 02 Feb 2025 06:21:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 15:02:34.191913
- Title: Leveraging LLMs for Dynamic IoT Systems Generation through Mixed-Initiative Interaction
- Title（参考訳）: 混合開始相互作用による動的IoTシステム生成のためのLLMの活用
- Authors: Bassam Adnan, Sathvika Miryala, Aneesh Sambu, Karthik Vaidhyanathan, Martina De Sanctis, Romina Spalazzese,
- Abstract要約: IoTシステムは、ユーザニーズに適応する上で、課題に直面します。
IoT-Togetherパラダイムは、Mixed-Initiative Interaction(MII)パラダイムを通じて、この要求を満たすことを目指している。
この作業は、大規模言語モデル(LLM)をアーキテクチャに統合することで、IoT-Togetherを前進させる。
- 参考スコア（独自算出の注目度）: 0.791663505497707
- License:
- Abstract: IoT systems face significant challenges in adapting to user needs, which are often under-specified and evolve with changing environmental contexts. To address these complexities, users should be able to explore possibilities, while IoT systems must learn and support users in the process of providing proper services, e.g., to serve novel experiences. The IoT-Together paradigm aims to meet this demand through the Mixed-Initiative Interaction (MII) paradigm that facilitates a collaborative synergy between users and IoT systems, enabling the co-creation of intelligent and adaptive solutions that are precisely aligned with user-defined goals. This work advances IoT-Together by integrating Large Language Models (LLMs) into its architecture. Our approach enables intelligent goal interpretation through a multi-pass dialogue framework and dynamic service generation at runtime according to user needs. To demonstrate the efficacy of our methodology, we design and implement the system in the context of a smart city tourism case study. We evaluate the system's performance using agent-based simulation and user studies. Results indicate efficient and accurate service identification and high adaptation quality. The empirical evidence indicates that the integration of Large Language Models (LLMs) into IoT architectures can significantly enhance the architectural adaptability of the system while ensuring real-world usability.
- Abstract（参考訳）: IoTシステムは、ユーザニーズに適応する上で重大な課題に直面します。
これらの複雑さに対処するためには、ユーザは可能性を探ることが可能になる一方で、IoTシステムは、新しいエクスペリエンスを提供するためには、適切なサービスを提供するプロセスにおいて、ユーザを学習し、サポートする必要がある。
IoT-Togetherパラダイムは、ユーザとIoTシステム間の協調的なシナジーを促進するMII(Mixed-Initiative Interaction)パラダイムを通じて、この需要を満たすことを目的としている。
この作業は、大規模言語モデル(LLM)をアーキテクチャに統合することで、IoT-Togetherを前進させる。
ユーザの要求に応じて,マルチパス対話フレームワークと実行時の動的サービス生成を通じて,インテリジェントな目標解釈を実現する。
本手法の有効性を実証するため,スマートシティ観光ケーススタディの文脈でシステムの設計と実装を行った。
エージェント・ベース・シミュレーションとユーザ・スタディを用いたシステムの性能評価を行った。
その結果、効率的で正確なサービス識別と適応性が高いことが示唆された。
実証的な証拠は、大規模言語モデル(LLM)をIoTアーキテクチャに統合することで、実際のユーザビリティを確保しながら、システムのアーキテクチャ適応性を大幅に向上できることを示している。
関連論文リスト
- LLM-Ehnanced Holonic Architecture for Ad-Hoc Scalable SoS [3.591449065638895]
推論,通信,機能レイヤを含むホロンの階層化アーキテクチャを提案する。
第2に、インテリジェント製造の原則に触発され、スーパーバイザー、プランナー、タスク、リソースホロンといった専門ホロンを導入します。
これらの専門ホロンは、意思決定をサポートし、リアルタイム適応性を確保するために、推論層内で大きな言語モデルを利用する。
論文 参考訳（メタデータ） (2025-01-14T10:35:54Z) - When IoT Meet LLMs: Applications and Challenges [0.5461938536945723]
大規模言語モデル(LLM)がIoT(Internet of Things)における高度な意思決定とコンテキスト理解をいかに促進するかを示す。
これは、エッジ、フォグ、クラウドシステム間のIoT-LLM統合に関する最初の包括的な研究である。
産業用IoTアプリケーションのための新しいシステムモデルを提案する。
論文 参考訳（メタデータ） (2024-11-20T23:44:51Z) - Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。
提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。
この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
論文 参考訳（メタデータ） (2024-11-20T11:57:43Z) - Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。
提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
論文 参考訳（メタデータ） (2024-08-07T08:43:32Z) - 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) - Integration of Mixture of Experts and Multimodal Generative AI in Internet of Vehicles: A Survey [82.84057882105931]
ジェネレーティブAI(GAI)は、IoT(Internet of Vehicles)におけるインテリジェントモジュールの認知、推論、計画能力を高めることができる。
IoVにおけるGAI, MoE, およびそれらの相互作用応用の基礎を提示する。
我々はIoVにおけるMoEとGAIの統合の可能性について論じ、分散認識とモニタリング、協調的な意思決定と計画、生成モデリングとシミュレーションを含む。
論文 参考訳（メタデータ） (2024-04-25T06:22:21Z) - PROMISE: A Framework for Developing Complex Conversational Interactions (Technical Report) [33.7054351451505]
本稿では,情報システムとの複雑な言語によるインタラクションを開発するためのフレームワークであるPROMISEを提案する。
本稿では、健康情報システムにおけるアプリケーションシナリオの文脈におけるPROMISEの利点を示し、複雑なインタラクションを扱う能力を示す。
論文 参考訳（メタデータ） (2023-12-06T18:59:11Z) - Self-Adaptive Large Language Model (LLM)-Based Multiagent Systems [0.0]
本稿では,大規模言語モデル(LLM)をマルチエージェントシステムに統合することを提案する。
我々は、モニタリング、分析、計画、システム適応の実行において堅牢なサポートで有名であるMAPE-Kモデルに、我々の方法論を固定する。
論文 参考訳（メタデータ） (2023-07-12T14:26:46Z) - The Internet of Senses: Building on Semantic Communications and Edge
Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。
我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文 参考訳（メタデータ） (2022-12-21T03:37:38Z) - SMASH: a Semantic-enabled Multi-agent Approach for Self-adaptation of
Human-centered IoT [0.8602553195689512]
本稿では、人間中心環境におけるIoTアプリケーションの自己適応のためのマルチエージェントアプローチであるSMASHを提案する。
SMASHエージェントは、BDIエージェントモデルに基づく4層アーキテクチャを備え、人間の価値観とゴール推論、計画、行動を統合する。
論文 参考訳（メタデータ） (2021-05-31T12:33:27Z) - Optimizing Interactive Systems via Data-Driven Objectives [70.3578528542663]
本稿では,観察されたユーザインタラクションから直接目的を推測する手法を提案する。
これらの推論は、事前の知識によらず、様々な種類のユーザー行動にまたがって行われる。
本稿では,これらの推定対象を最適化するために利用する新しいアルゴリズムであるInteractive System(ISO)を紹介する。
論文 参考訳（メタデータ） (2020-06-19T20:49:14Z)
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。