論文の概要: IRL Dittos: Embodied Multimodal AI Agent Interactions in Open Spaces

• arxiv url: http://arxiv.org/abs/2504.21347v1
• Date: Wed, 30 Apr 2025 06:16:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 22:11:06.463928
• Title: IRL Dittos: Embodied Multimodal AI Agent Interactions in Open Spaces
• Title（参考訳）: IRL Dittos:オープンスペースにおけるマルチモーダルAIエージェントインタラクション
• Authors: Seonghee Lee, Denae Ford, John Tang, Sasa Junuzovic, Asta Roseway, Ed Cutrell, Kori Inkpen,
• Abstract要約: In Real Life (IRL) Dittoは、オフィススペースを共有するリモート同僚を表現するために設計されたAI駆動の実施エージェントである。 IRL Dittoは、共有オフィススペース内の同僚間の相互作用や関係にどのように影響を与えるのか? その結果,社会関係の強化は,IRL Dittoの源泉と参加者の関係の基盤に大きく依存していることが判明した。
• 参考スコア（独自算出の注目度）: 12.900762045898876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce the In Real Life (IRL) Ditto, an AI-driven embodied agent designed to represent remote colleagues in shared office spaces, creating opportunities for real-time exchanges even in their absence. IRL Ditto offers a unique hybrid experience by allowing in-person colleagues to encounter a digital version of their remote teammates, initiating greetings, updates, or small talk as they might in person. Our research question examines: How can the IRL Ditto influence interactions and relationships among colleagues in a shared office space? Through a four-day study, we assessed IRL Ditto's ability to strengthen social ties by simulating presence and enabling meaningful interactions across different levels of social familiarity. We find that enhancing social relationships depended deeply on the foundation of the relationship participants had with the source of the IRL Ditto. This study provides insights into the role of embodied agents in enriching workplace dynamics for distributed teams.
• Abstract（参考訳）: In Real Life (IRL) Dittoは、オフィススペースを共有しているリモートの同僚を表現し、不在時でもリアルタイムの交換を行う機会を創造するAI駆動の実施エージェントである。 IRL Dittoは、同僚がリモートチームメイトのデジタルバージョンに遭遇し、挨拶、アップデート、あるいは少人数での講演を開始することで、ユニークなハイブリッド体験を提供する。 IRL Dittoは、共有オフィススペース内の同僚間の相互作用や関係にどのように影響を与えるのか? 4日間の研究を通じて、IRL Dittoの社会的関係の強化能力について、存在をシミュレートし、社会的親しみのレベルによって有意義な相互作用を可能にすることによって評価した。 その結果,社会関係の強化は,IRL Dittoの源泉と参加者の関係の基盤に大きく依存していることが判明した。 この研究は、分散チームのための職場のダイナミクスを充実させる上で、エンボディエージェントが果たす役割についての洞察を提供する。

関連論文リスト

• The influence of persona and conversational task on social interactions with a LLM-controlled embodied conversational agent [40.26872152499122]
  LLMを仮想人間として具現化することで、ユーザーはバーチャルリアリティーで対面のソーシャルインタラクションを行うことができる。 LLMがコントロールするエージェントとの社会的相互作用における人的・タスク的要因の影響はいまだ不明である。
  論文  参考訳（メタデータ） (2024-11-08T15:49:42Z)
• Spontaneous Emergence of Agent Individuality through Social Interactions in LLM-Based Communities [0.0]
  本稿では,Large Language Model (LLM) ベースのエージェントを用いて,ゼロからエージェントが出現することを検討する。 このマルチエージェントシミュレーションを解析することにより、社会的規範、協力、性格特性が自然に出現する方法について、貴重な新しい知見を報告する。
  論文  参考訳（メタデータ） (2024-11-05T16:49:33Z)
• Mutual Theory of Mind in Human-AI Collaboration: An Empirical Study with LLM-driven AI Agents in a Real-time Shared Workspace Task [56.92961847155029]
  心の理論(ToM)は、他人を理解する上で重要な能力として、人間の協調とコミュニケーションに大きな影響を及ぼす。 Mutual Theory of Mind (MToM) は、ToM能力を持つAIエージェントが人間と協力するときに発生する。 エージェントのToM能力はチームのパフォーマンスに大きな影響を与えず,エージェントの人間的理解を高めていることがわかった。
  論文  参考訳（メタデータ） (2024-09-13T13:19:48Z)
• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
  人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。 エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2023-10-18T02:27:01Z)
• Building Cooperative Embodied Agents Modularly with Large Language Models [104.57849816689559]
  本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。 我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。 C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
  論文  参考訳（メタデータ） (2023-07-05T17:59:27Z)
• Multiagent Inverse Reinforcement Learning via Theory of Mind Reasoning [0.0]
  我々は,Multiagent Inverse Reinforcement Learning(MIRL)に対する新しいアプローチを提案する。 MIRLは、タスクパフォーマンス中に与えられた各チームの振る舞いの軌跡を導く報酬関数を推論することを目的としている。 シミュレーション2-player search-and-rescue 動作におけるアプローチの評価を行った。
  論文  参考訳（メタデータ） (2023-02-20T19:07:42Z)
• Hidden Agenda: a Social Deduction Game with Diverse Learned Equilibria [57.74495091445414]
  社会的推論ゲームは、個人が他人に関する潜在的に信頼できない情報を合成する方法を学ぶための道を提供する。 本研究では,未知のチームアライメントのシナリオにおいて,学習エージェントを研究するための2D環境を提供する2チームソーシャル推論ゲームであるHidden Agendaを紹介する。 Hidden Agendaで訓練された強化学習エージェントは、自然言語でのコミュニケーションを必要とせずに、協力や投票など、さまざまな行動を学ぶことができることを示した。
  論文  参考訳（メタデータ） (2022-01-05T20:54:10Z)
• Connections between Relational Event Model and Inverse Reinforcement Learning for Characterizing Group Interaction Sequences [0.18275108630751835]
  我々は、リレーショナルイベントモデル(REM)と逆強化学習(IRL)の未同定接続について検討する。 REM はそのような問題に対処する従来の手法であるが、IRL の応用は未完成の手法である。 実験により,集団の社会的相互作用を特徴付けるためのIRLの特殊効果を実証した。
  論文  参考訳（メタデータ） (2020-10-19T19:40:29Z)
• SPA: Verbal Interactions between Agents and Avatars in Shared Virtual Environments using Propositional Planning [61.335252950832256]
  SPA(Sense-Plan-Ask)は、仮想的な仮想環境において、仮想的な人間のようなエージェントとユーザアバターの間の言語的対話を生成する。 提案アルゴリズムは実行時コストを小さくし,自然言語通信を利用せずにエージェントよりも効率的に目標を達成できることが判明した。
  論文  参考訳（メタデータ） (2020-02-08T23:15:06Z)

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。