論文の概要: Robust Speech-Workload Estimation for Intelligent Human-Robot Systems

• arxiv url: http://arxiv.org/abs/2507.05985v1
• Date: Tue, 08 Jul 2025 13:41:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:38.140848
• Title: Robust Speech-Workload Estimation for Intelligent Human-Robot Systems
• Title（参考訳）: インテリジェントロボットシステムのロバスト音声負荷推定
• Authors: Julian Fortune, Julie A. Adams, Jamison Heard,
• Abstract要約: オペレータのワークロード状態の変化に対応するシステムの要求と相互作用のインテリジェントな変調は、望ましくないワークロード状態を避けることによってパフォーマンスを向上させる可能性がある。 既存のワークロードシステムは、ポストホックの後に複数のワークロードコンポーネントを見積もるが、音声のワークロードや関数をリアルタイムで見積もることは少ない。 音声作業負荷と望ましくない作業負荷状態をリアルタイムに推定するアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Demanding task environments (e.g., supervising a remotely piloted aircraft) require performing tasks quickly and accurately; however, periods of low and high operator workload can decrease task performance. Intelligent modulation of the system's demands and interaction modality in response to changes in operator workload state may increase performance by avoiding undesirable workload states. This system requires real-time estimation of each workload component (i.e., cognitive, physical, visual, speech, and auditory) to adapt the correct modality. Existing workload systems estimate multiple workload components post-hoc, but few estimate speech workload, or function in real-time. An algorithm to estimate speech workload and mitigate undesirable workload states in real-time is presented. An analysis of the algorithm's accuracy is presented, along with the results demonstrating the algorithm's generalizability across individuals and human-machine teaming paradigms. Real-time speech workload estimation is a crucial element towards developing adaptive human-machine systems.
• Abstract（参考訳）: タスク環境(例えば、遠隔操縦機を監督するなど)の要求は、タスクを迅速かつ正確に実行する必要があるが、低負荷かつ高負荷の作業がタスク性能を低下させる可能性がある。 オペレータのワークロード状態の変化に対応するシステムの要求と相互作用のインテリジェントな変調は、望ましくないワークロード状態を避けることによってパフォーマンスを向上させる可能性がある。 本システムでは,各作業負荷成分(認知,身体,視覚,音声,聴覚)をリアルタイムに推定し,適切なモダリティを適応させる。 既存のワークロードシステムは、ポストホックの後に複数のワークロードコンポーネントを見積もるが、音声のワークロードや関数をリアルタイムで見積もることは少ない。 音声作業量を推定し、望ましくない作業状態をリアルタイムに緩和するアルゴリズムを提案する。 アルゴリズムの精度を解析し、アルゴリズムの個人間における一般化可能性と人間と機械の連携パラダイムを実証した。 リアルタイム音声の作業負荷推定は,適応型ヒューマンマシンシステムの開発において重要な要素である。

関連論文リスト

• Agentic Predictor: Performance Prediction for Agentic Workflows via Multi-View Encoding [56.565200973244146]
  Agentic Predictorは、効率的なエージェントワークフロー評価のための軽量な予測器である。 Agentic Predictorはタスク成功率の近似を学ぶことで、最適なエージェントワークフロー構成の迅速かつ正確な選択を可能にする。
  論文  参考訳（メタデータ） (2025-05-26T09:46:50Z)
• Adaptive Bi-Level Multi-Robot Task Allocation and Learning under Uncertainty with Temporal Logic Constraints [5.329682333337303]
  この研究は、未知のロボット遷移モデルの下でのマルチロボット協調の問題に対処する。 本稿では,ハイレベルなタスクアロケーションと低レベルな分散ポリシ学習と実行を統合した双方向フレームワークを提案する。 提案アルゴリズムを理論的に検証し,課題割り当てが所望の確率閾値を高い信頼性で満たすことを示す。
  論文  参考訳（メタデータ） (2025-02-14T10:39:21Z)
• Predictive Speech Recognition and End-of-Utterance Detection Towards Spoken Dialog Systems [55.99999020778169]
  本稿では,次の単語を予測し,発話終了まで残される時間を推定する機能について検討する。 我々は,音響情報と言語情報の両方を組み込んだクロスアテンションに基づくアルゴリズムを開発した。 その結果,提案モデルでは,提案する単語を予測し,将来のEOUイベントを実際のEOUより300ミリ秒前まで推定する能力を示した。
  論文  参考訳（メタデータ） (2024-09-30T06:29:58Z)
• Third-Party Language Model Performance Prediction from Instruction [59.574169249307054]
  言語モデルに基づく命令フォローシステムは、最近、多くのベンチマークタスクのパフォーマンスが向上している。 ユーザは、応答が正確かどうかを判断することなく、命令付きモデルを容易に促すことができる。 本稿では,タスク上での指示追従システムの評価から得られたメトリックを予測するために,別のモデルを訓練した第三者のパフォーマンス予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-19T03:53:47Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• State Representations as Incentives for Reinforcement Learning Agents: A Sim2Real Analysis on Robotic Grasping [3.4777703321218225]
  本研究は、特定のロボットタスクを解くためのエージェントのインセンティブ化における様々な表現の効果について検討する。 手作りの数値状態から符号化された画像ベース表現に至るまで、状態表現の連続体が定義される。 シミュレーションにおけるエージェントの課題解決能力に対する各表現の影響と実ロボットへの学習方針の伝達可能性について検討した。
  論文  参考訳（メタデータ） (2023-09-21T11:41:22Z)
• PePNet: A Periodicity-Perceived Workload Prediction Network Supporting Rare Occurrence of Heavy Workload [11.93843096959306]
  クラウドサーバのワークロードは非常に可変的であり、時には重いワークロードがバーストする。 ワークロード予測には統計手法とニューラルネットベースの方法の2つのカテゴリがある。 本稿では,特に負荷予測の精度を向上させるため,PePNetを提案する。
  論文  参考訳（メタデータ） (2023-07-11T07:56:27Z)
• Scheduling Real-time Deep Learning Services as Imprecise Computations [11.611969843191433]
  本稿では,インテリジェントリアルタイムエッジサービスのための効率的なリアルタイムスケジューリングアルゴリズムを提案する。 これらのサービスは、音声認識、LIDAR処理、マシンビジョンなどのマシンインテリジェンスタスクを実行する。 ディープニューラルネットワークを不正確な計算として、それぞれに必須部分といくつかのオプション部分を持つことを示す。
  論文  参考訳（メタデータ） (2020-11-02T16:43:04Z)
• Straggler-aware Distributed Learning: Communication Computation Latency Trade-off [56.08535873173518]
  ストラグワーカーは冗長な計算を割り当て、データと計算をまたいでコーディングすることで許容できる。 既存のほとんどのスキームでは、各非ストラグリングワーカーは、全ての計算を完了した後、1イテレーションごとに1つのメッセージをパラメータサーバ(PS)に送信する。 このような制限を課すことで、ストレグリング動作の不正確な予測による過剰計算と、ストレグラー/非ストレグラーとしての作業員の処理による未使用の2つの主な欠点が生じる。
  論文  参考訳（メタデータ） (2020-04-10T08:39:36Z)

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。