論文の概要: StoryEnsemble: Enabling Dynamic Exploration & Iteration in the Design Process with AI and Forward-Backward Propagation
- arxiv url: http://arxiv.org/abs/2508.03182v1
- Date: Tue, 05 Aug 2025 07:47:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-06 18:18:55.848372
- Title: StoryEnsemble: Enabling Dynamic Exploration & Iteration in the Design Process with AI and Forward-Backward Propagation
- Title（参考訳）: StoryEnsemble: AIと前方伝播による設計プロセスにおける動的探索とイテレーションの実現
- Authors: Sangho Suh, Michael Lai, Kevin Pu, Steven P. Dow, Tovi Grossman,
- Abstract要約: 設計プロセスには、ペルソナの生成、問題フレーミング、ソリューションの構想、プロトタイピングなど、相互に結びついた段階にわたる探索、反復、移動が含まれる。
これらの課題をより深く理解するために、UX実践者、学生、インストラクターからなる15人の参加者を対象に、フォーマティブな研究を行った。
この結果に基づいて、私たちは、ノードリンクインターフェースにAIを統合するツールであるStoryEnsembleを開発し、前方および後方の伝搬を活用して、設計プロセス全体の動的探索とイテレーションをサポートする。
- 参考スコア（独自算出の注目度）: 13.425907817210184
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Design processes involve exploration, iteration, and movement across interconnected stages such as persona creation, problem framing, solution ideation, and prototyping. However, time and resource constraints often hinder designers from exploring broadly, collecting feedback, and revisiting earlier assumptions-making it difficult to uphold core design principles in practice. To better understand these challenges, we conducted a formative study with 15 participants-comprised of UX practitioners, students, and instructors. Based on the findings, we developed StoryEnsemble, a tool that integrates AI into a node-link interface and leverages forward and backward propagation to support dynamic exploration and iteration across the design process. A user study with 10 participants showed that StoryEnsemble enables rapid, multi-directional iteration and flexible navigation across design stages. This work advances our understanding of how AI can foster more iterative design practices by introducing novel interactions that make exploration and iteration more fluid, accessible, and engaging.
- Abstract（参考訳）: 設計プロセスには、ペルソナの生成、問題フレーミング、ソリューションの構想、プロトタイピングなど、相互に結びついた段階にわたる探索、反復、移動が含まれる。
しかしながら、時間とリソースの制約は、設計者が広い範囲を探索し、フィードバックを集め、以前の仮定を再考するのを妨げます。
これらの課題をより深く理解するために、UX実践者、学生、インストラクターからなる15人の参加者を対象に、フォーマティブな研究を行った。
この結果に基づいて、私たちは、ノードリンクインターフェースにAIを統合するツールであるStoryEnsembleを開発し、前方および後方の伝搬を活用して、設計プロセス全体の動的探索とイテレーションをサポートする。
10人の参加者によるユーザ調査によると、StoryEnsembleは、設計段階を越えて、迅速で多方向のイテレーションと柔軟なナビゲーションを可能にする。
この研究は、探索とイテレーションをより流動的で、アクセスしやすく、エンゲージメントする新しいインタラクションを導入することで、AIがより反復的な設計プラクティスを育む方法の理解を深めます。
関連論文リスト
- FeedQUAC: Quick Unobtrusive AI-Generated Commentary [8.057486493973304]
さまざまな視点からリアルタイムAI生成コメンタリーを提供するデザインコンパニオンであるFeedQUACを紹介する。
我々は、AIフィードバックの役割、その強みと限界、そしてそれを既存の設計に統合する方法について議論する。
今後の創造性支援システムの設計と評価には,環境相互作用が有用であることが示唆された。
論文 参考訳（メタデータ） (2025-04-23T04:48:00Z) - Exploring the Design Space of Cognitive Engagement Techniques with AI-Generated Code for Enhanced Learning [14.051451035773045]
我々は、AI生成コードとのより深いエンゲージメントを促進するための7つの認知エンゲージメント技術を開発した。
本結果は, 学習者に対して, ステップバイステップの問題解決プロセスを通じて指導する, 最も効果的な手法を強調した。
論文 参考訳（メタデータ） (2024-10-11T15:49:42Z) - O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。
我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。
本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
論文 参考訳（メタデータ） (2024-10-08T15:13:01Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Inspired by AI? A Novel Generative AI System To Assist Conceptual Automotive Design [6.001793288867721]
デザインインスピレーションは、デザインの方向性を確立するだけでなく、感情を呼び起こし、概念設計プロセス中に意味を伝えるためにも不可欠である。
多くの実践的デザイナーはPinterestのようなプラットフォーム上でテキストベースの検索を使用してイメージのアイデアを集め、続いて紙にスケッチしたり、デジタルツールを使ってコンセプトを開発したりする。
拡散モデルのような新しい生成AI技術は、テキストとイメージインスピレーションインプットに基づいてデザイン概念を迅速に生成することで、これらのプロセスを合理化するための有望な道を提供する。
論文 参考訳（メタデータ） (2024-06-06T17:04:14Z) - Prototyping with Prompts: Emerging Approaches and Challenges in Generative AI Design for Collaborative Software Teams [2.237039275844699]
生成型AIモデルは、人間のタスクに統合され、表現力のあるコンテンツの制作が可能になっている。
従来のヒューマンAI設計手法とは異なり、生成能力を設計するための新しいアプローチは、迅速なエンジニアリング戦略に重点を置いている。
我々の発見は、マルチステークホルダーチーム間のAIシステムのプロトタイピングにおける新たなプラクティスと役割シフトを浮き彫りにしている。
論文 参考訳（メタデータ） (2024-02-27T17:56:10Z) - Learning Robotic Navigation from Experience: Principles, Methods, and
Recent Results [94.60414567852536]
現実世界のナビゲーションは、単純な幾何学的抽象化に反する複雑な物理的課題の集合を示す。
機械学習は、幾何学や従来の計画を超えた、有望な方法を提供する。
本稿では,ロボットナビゲーションスキルを実験的に学習するツールキットについて紹介する。
論文 参考訳（メタデータ） (2022-12-13T17:41:58Z) - Towards Machine Learning for Placement and Routing in Chip Design: a
Methodological Overview [72.79089075263985]
配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。
機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
論文 参考訳（メタデータ） (2022-02-28T06:28:44Z) - Deep Learning for Embodied Vision Navigation: A Survey [108.13766213265069]
身体的視覚ナビゲーション」問題では、エージェントが3D環境をナビゲートする必要がある。
本稿では、総合的な文献調査を提供することで、視覚ナビゲーションの具体的分野における現在の研究の概要を確立することを試みる。
論文 参考訳（メタデータ） (2021-07-07T12:09:04Z) - Language-guided Navigation via Cross-Modal Grounding and Alternate
Adversarial Learning [66.9937776799536]
新たなビジョン・アンド・ランゲージナビゲーション(VLN)問題は、見えない写真リアリスティック環境において、エージェントがターゲットの場所に向かうことを学習することを目的としている。
VLNの主な課題は、主に2つの側面から生じている: まず、エージェントは動的に変化する視覚環境に対応する言語命令の有意義な段落に出席する必要がある。
そこで本稿では,エージェントにテキストと視覚の対応性を追跡する機能を持たせるために,クロスモーダルグラウンドモジュールを提案する。
論文 参考訳（メタデータ） (2020-11-22T09:13:46Z)
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。