論文の概要: From Strangers to Assistants: Fast Desire Alignment for Embodied Agent-User Adaptation

• arxiv url: http://arxiv.org/abs/2505.22503v1
• Date: Wed, 28 May 2025 15:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.709794
• Title: From Strangers to Assistants: Fast Desire Alignment for Embodied Agent-User Adaptation
• Title（参考訳）: ストランガーからアシスタントへ: エージェントユーザ適応のための高速デザイアアライメント
• Authors: Yuanfei Wang, Xinju Huang, Fangwei Zhong, Yaodong Yang, Yizhou Wang, Yuanpei Chen, Hao Dong,
• Abstract要約: LLM駆動型ユーザエージェントを統合したホームアシストシミュレーション環境HA-Desireを開発した。 本稿では、欲求に基づく心的推論機構を導入した、迅速な欲求整合のための新しいフレームワークFAMERを提案する。 本フレームワークは,タスク実行とコミュニケーション効率を大幅に向上させ,具体的エージェントがユーザ固有の欲求に迅速に適応できるようにする。
• 参考スコア（独自算出の注目度）: 24.232670566927972
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While embodied agents have made significant progress in performing complex physical tasks, real-world applications demand more than pure task execution. The agents must collaborate with unfamiliar agents and human users, whose goals are often vague and implicit. In such settings, interpreting ambiguous instructions and uncovering underlying desires is essential for effective assistance. Therefore, fast and accurate desire alignment becomes a critical capability for embodied agents. In this work, we first develop a home assistance simulation environment HA-Desire that integrates an LLM-driven human user agent exhibiting realistic value-driven goal selection and communication. The ego agent must interact with this proxy user to infer and adapt to the user's latent desires. To achieve this, we present a novel framework FAMER for fast desire alignment, which introduces a desire-based mental reasoning mechanism to identify user intent and filter desire-irrelevant actions. We further design a reflection-based communication module that reduces redundant inquiries, and incorporate goal-relevant information extraction with memory persistence to improve information reuse and reduce unnecessary exploration. Extensive experiments demonstrate that our framework significantly enhances both task execution and communication efficiency, enabling embodied agents to quickly adapt to user-specific desires in complex embodied environments.
• Abstract（参考訳）: 具体化エージェントは複雑な物理タスクの実行において大きな進歩を遂げてきたが、現実のアプリケーションは純粋なタスク実行以上のものを必要としている。 エージェントは、よく知らないエージェントや人間のユーザーと協力しなければなりません。 このような状況下では、曖昧な指示を解釈し、根底にある欲求を明らかにすることは効果的な援助に不可欠である。 したがって、迅速かつ正確な欲求アライメントは、エンボディエージェントにとって重要な能力となる。 本研究では、まず、現実的な価値駆動型ゴール選択とコミュニケーションを示すLLM駆動型ヒューマンユーザエージェントを統合したホームアシストシミュレーション環境HA-Desireを開発する。 egoエージェントは、このプロキシユーザと対話して、ユーザの潜伏する欲求を推論し、適応する必要があります。 そこで本研究では,ユーザの意図を識別し,欲求に関係のない行動をフィルタリングする欲求に基づく精神推論機構を導入する,迅速な欲求アライメントのための新しいフレームワークFAMERを提案する。 さらに、冗長な問い合わせを減らすリフレクションベースの通信モジュールを設計し、メモリの持続性にゴール関連情報抽出を導入し、情報の再利用を改善し、不要な探索を減らす。 大規模な実験により,我々のフレームワークはタスク実行とコミュニケーション効率の両方を大幅に向上させ,複雑な実施環境におけるユーザ固有の欲求に迅速に適応できることを示した。

関連論文リスト

• Towards Machine-Generated Code for the Resolution of User Intentions [2.762180345826837]
  AIの出現は、モデル生成コードのデプロイを通じて、ユーザが提供する意図解決のシフトを示唆する可能性がある。 本稿では,具体的なユーザ意図で LLM をプロンプトするコード生成による生成と実行の実現可能性について検討する。 本稿では,ユーザ意図,結果のコード,実行の詳細な分析と比較を行う。
  論文  参考訳（メタデータ） (2025-04-24T13:19:17Z)
• SmartAgent: Chain-of-User-Thought for Embodied Personalized Agent in Cyber World [50.937342998351426]
  COUT(Chain-of-User-Thought)は、新しい推論パラダイムである。 我々は、サイバー環境を認識し、パーソナライズされた要求を推論するエージェントフレームワークであるSmartAgentを紹介する。 我々の研究は、まずCOUTプロセスを定式化し、パーソナライズされたエージェント学習を具体化するための予備的な試みとして役立ちます。
  論文  参考訳（メタデータ） (2024-12-10T12:40:35Z)
• Interactive Speculative Planning: Enhance Agent Efficiency through Co-design of System and User Interface [38.76937539085164]
  本稿では,人間中心の効率的なエージェント計画手法である対話型投機計画を提案する。 我々は,システム設計と人間-AIインタラクションの両面からエージェント計画の効率化を目指す。
  論文  参考訳（メタデータ） (2024-09-30T16:52:51Z)
• Tell Me More! Towards Implicit User Intention Understanding of Language Model Driven Agents [110.25679611755962]
  現在の言語モデル駆動エージェントは、しばしば効果的なユーザ参加のメカニズムを欠いている。 Intention-in-Interaction (IN3) は明示的なクエリを通してユーザの暗黙の意図を検査するための新しいベンチマークである。 私たちは、タスクの曖昧さを積極的に評価し、ユーザの意図を問う強力なモデルであるMistral-Interactを経験的に訓練し、それらを実行可能な目標へと洗練させます。
  論文  参考訳（メタデータ） (2024-02-14T14:36:30Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)

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。