論文の概要: Mapping Human-Agent Co-Learning and Co-Adaptation: A Scoping Review

• arxiv url: http://arxiv.org/abs/2506.06324v1
• Date: Fri, 30 May 2025 03:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 03:13:19.060038
• Title: Mapping Human-Agent Co-Learning and Co-Adaptation: A Scoping Review
• Title（参考訳）: ヒューマンエージェントのコラーニングとコアダプタのマッピング: スコープレビュー
• Authors: Shruti Kumar, Xiaoyu Chen, Xiaomei Wang,
• Abstract要約: 既存の研究におけるこの協調関係を記述する用語は、より一貫性がある必要があることが指摘されている。 現在のスコープレビューの主要な研究課題(RQ1)は、このコラボレーションパターンについて議論する既存の論文を集めることを目的としている。 我々の第3の目的は、既存の研究で使われている認知理論とフレームワークを、人間-エージェントの協調学習と協調適応を計測するために研究することである。
• 参考スコア（独自算出の注目度）: 8.16978717526255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Several papers have delved into the challenges of human-AI-robot co-learning and co-adaptation. It has been noted that the terminology used to describe this collaborative relationship in existing studies needs to be more consistent. For example, the prefix "co" is used interchangeably to represent both "collaborative" and "mutual," and the terms "co-learning" and "co-adaptation" are sometimes used interchangeably. However, they can reflect subtle differences in the focus of the studies. The current scoping review's primary research question (RQ1) aims to gather existing papers discussing this collaboration pattern and examine the terms researchers use to describe this human-agent relationship. Given the relative newness of this area of study, we are also keen on exploring the specific types of intelligent agents and task domains that have been considered in existing research (RQ2). This exploration is significant as it can shed light on the diversity of human-agent interactions, from one-time to continuous learning/adaptation scenarios. It can also help us understand the dynamics of human-agent interactions in different task domains, guiding our expectations towards research situated in dynamic, complex domains. Our third objective (RQ3) is to investigate the cognitive theories and frameworks that have been utilized in existing studies to measure human-agent co-learning and co-adaptation. This investigation is crucial as it can help us understand the theoretical underpinnings of human-agent collaboration and adaptation, and it can also guide us in identifying any new frameworks proposed specifically for this type of relationship.
• Abstract（参考訳）: いくつかの論文は、人間-AI-ロボットの共同学習と共同適応の課題を掘り下げている。 既存の研究におけるこの協調関係を記述する用語は、より一貫性がある必要があることが指摘されている。 例えば、"co"という接頭辞は「共同」と「ミューチュアル」の両方を表すのに、"co-learning"と"co-adaptation"という単語は相互に使用されることがある。 しかし、それらは研究の焦点の微妙な違いを反映することができる。 現在のスコーピングレビューの主要な研究課題(RQ1)は、このコラボレーションパターンについて議論する既存の論文を集め、研究者がこの人間とエージェントの関係を説明するために使用する用語を検討することである。 この領域の比較的新しいことを考えると、我々はまた、既存の研究(RQ2)で検討された知的エージェントやタスクドメインの特定のタイプを探ることにも熱心です。 この調査は、一度から継続的な学習/適応のシナリオまで、人間とエージェントの相互作用の多様性に光を当てることができるため、重要である。 これはまた、異なるタスク領域における人間とエージェントの相互作用のダイナミクスを理解するのに役立ち、動的で複雑なドメインにある研究への期待を導くのにも役立ちます。 我々の第3の目的は、既存の研究で使われている認知理論とフレームワークを、人間-エージェントの協調学習と協調適応を計測するために研究することである。 この調査は、人間とエージェントのコラボレーションと適応の理論的基盤を理解するのに役立ち、また、この種の関係に特化して提案された新しいフレームワークの特定にも役立ちます。

関連論文リスト

• Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
  大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。 本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。 私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
  論文  参考訳（メタデータ） (2025-03-27T12:50:17Z)
• Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
  利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。 本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。 我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
  論文  参考訳（メタデータ） (2024-10-24T10:48:42Z)
• Enhancing Cooperation through Selective Interaction and Long-term Experiences in Multi-Agent Reinforcement Learning [10.932974027102619]
  本研究では,空間的囚人のジレンマゲームにおけるマルチエージェント強化学習に基づく計算フレームワークを提案する。 2つの異なるQ-ネットを用いて各エージェントをモデル化することにより、協調と相互作用の共進化ダイナミクスを解き放つ。
  論文  参考訳（メタデータ） (2024-05-04T12:42:55Z)
• Multi-Agent, Human-Agent and Beyond: A Survey on Cooperation in Social Dilemmas [15.785674974107204]
  社会ジレンマにおける協力の研究は、長年、様々な分野の基本的なトピックであった。 人工知能の最近の進歩は、この分野を大きく変えた。 この調査は、AIの交差点における3つの重要な領域と、社会的ジレンマにおける協力について調査する。
  論文  参考訳（メタデータ） (2024-02-27T07:31:30Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• A Review of Cooperation in Multi-agent Learning [5.334450724000142]
  マルチエージェント学習(MAL)における協調は、多くの分野の共通点におけるトピックである。 本稿では,マルチエージェント学習の基本概念,問題設定,アルゴリズムについて概説する。
  論文  参考訳（メタデータ） (2023-12-08T16:42:15Z)
• Neural-Logic Human-Object Interaction Detection [67.4993347702353]
  本稿では,ニューラルロジック推論を利用した新しいHOI検出器であるL OGIC HOIと,実体間の相互作用を推測するTransformerを提案する。 具体的には,バニラトランスフォーマーの自己保持機構を改変し,人間,行動,対象>三重項を推論し,新たな相互作用を構成する。 我々はこれらの2つの特性を一階述語論理で定式化し、それらを連続空間に基底にして、我々のアプローチの学習過程を制約し、性能とゼロショットの一般化能力を向上させる。
  論文  参考訳（メタデータ） (2023-11-16T11:47:53Z)
• Relational Context Learning for Human-Object Interaction Detection [34.319471023763384]
  本稿では、3つのデコーダブランチ間でリッチなコンテキスト交換を行う多重関係ネットワーク(MUREN)を提案する。 提案手法は,HOI インスタンス発見のための包括的関係コンテキストを学習する。
  論文  参考訳（メタデータ） (2023-04-11T06:01:10Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)

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。