論文の概要: EduVerse: A User-Defined Multi-Agent Simulation Space for Education Scenario
- arxiv url: http://arxiv.org/abs/2510.05650v1
- Date: Tue, 07 Oct 2025 07:58:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-08 17:57:08.148708
- Title: EduVerse: A User-Defined Multi-Agent Simulation Space for Education Scenario
- Title（参考訳）: EduVerse: 教育シナリオのためのユーザ定義マルチエージェントシミュレーションスペース
- Authors: Yiping Ma, Shiyu Hu, Buyuan Zhu, Yipei Wang, Yaxuan Kang, Shiqing Liu, Kang Hao Cheong,
- Abstract要約: EduVerseは,環境,エージェント,セッションのカスタマイズをサポートする,ユーザ定義のマルチエージェントシミュレーション空間である。
EduVerseを中学生の中国語クラスで3つのテキストジャンル、環境、複数のセッションで検証する。
- 参考スコア（独自算出の注目度）: 17.971148824199187
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reproducing cognitive development, group interaction, and long-term evolution in virtual classrooms remains a core challenge for educational AI, as real classrooms integrate open-ended cognition, dynamic social interaction, affective factors, and multi-session development rarely captured together. Existing approaches mostly focus on short-term or single-agent settings, limiting systematic study of classroom complexity and cross-task reuse. We present EduVerse, the first user-defined multi-agent simulation space that supports environment, agent, and session customization. A distinctive human-in-the-loop interface further allows real users to join the space. Built on a layered CIE (Cognition-Interaction-Evolution) architecture, EduVerse ensures individual consistency, authentic interaction, and longitudinal adaptation in cognition, emotion, and behavior-reproducing realistic classroom dynamics with seamless human-agent integration. We validate EduVerse in middle-school Chinese classes across three text genres, environments, and multiple sessions. Results show: (1) Instructional alignment: simulated IRF rates (0.28-0.64) closely match real classrooms (0.37-0.49), indicating pedagogical realism; (2) Group interaction and role differentiation: network density (0.27-0.40) with about one-third of peer links realized, while human-agent tasks indicate a balance between individual variability and instructional stability; (3) Cross-session evolution: the positive transition rate R+ increase by 11.7% on average, capturing longitudinal shifts in behavior, emotion, and cognition and revealing structured learning trajectories. Overall, EduVerse balances realism, reproducibility, and interpretability, providing a scalable platform for educational AI. The system will be open-sourced to foster cross-disciplinary research.
- Abstract（参考訳）: 仮想教室における認知発達、グループインタラクション、長期的発展の再現は、実際の教室がオープンエンド認知、動的な社会的相互作用、感情的要因、マルチセッション開発を統合されることが滅多にないため、教育AIにとって依然として重要な課題である。
既存のアプローチは、主に短期または単一エージェントの設定に焦点を当て、教室の複雑さとクロスタスクの再利用に関する体系的な研究を制限する。
EduVerseは,環境,エージェント,セッションのカスタマイズをサポートする,ユーザ定義のマルチエージェントシミュレーション空間である。
ユニークなHuman-in-the-loopインターフェースにより、実際のユーザがこの分野に参加できるようになる。
階層化されたCIE(Cognition-Interaction-Evolution)アーキテクチャに基づいて構築されたEduVerseは、シームレスな人間-エージェント統合による認知、感情、行動再現現実的な教室のダイナミクスにおいて、個々の一貫性、真の相互作用、縦方向の適応を保証する。
EduVerseを中学生の中国語クラスで3つのテキストジャンル、環境、複数のセッションで検証する。
1)教育的アライメント:シミュレーションIRFレート(0.28-0.64)は実際の教室(0.37-0.49)と密に一致し、教育的リアリズムを示す。(2)グループ間相互作用と役割の分化:ネットワーク密度(0.27-0.40)とピアリンクの約3分の1が実現された。
全体として、EduVerseは現実主義、再現性、解釈可能性のバランスをとり、教育AIのためのスケーラブルなプラットフォームを提供する。
このシステムは、学際的な研究を促進するためにオープンソース化される。
関連論文リスト
- Siamese Network with Dual Attention for EEG-Driven Social Learning: Bridging the Human-Robot Gap in Long-Tail Autonomous Driving [0.0]
本研究では脳波信号の分類を行う脳-コンピュータインタフェース(BCI)フレームワークを提案する。
タイムリーかつモチベーションの高いコロボティックエンジニアリングアプリケーションとして、準自律ロボット運転における危険事象を警告するために、人間とループのシナリオをシミュレートする。
本稿では,脳波を符号化した信号表現を生成するために,ダイナミック・タイム・ワーピング・バリーセンタ平均化手法と組み合わせた二重アテンション・シームズ畳み込みネットワークを提案する。
論文 参考訳（メタデータ） (2025-04-14T15:06:17Z) - Gen-C: Populating Virtual Worlds with Generative Crowds [2.1716667622896195]
我々は,ハイレベルな群衆行動のオーサリング作業を自動化する生成モデルGen-Cを紹介する。
Gen-Cは、実際の群衆のビデオデータの収集と注釈付けという、労働集約的で困難なタスクをバイパスする。
提案手法の有効性を,大学キャンパスと鉄道駅の2つのシナリオで実証する。
論文 参考訳（メタデータ） (2025-04-02T17:33:53Z) - HA-VLN: A Benchmark for Human-Aware Navigation in Discrete-Continuous Environments with Dynamic Multi-Human Interactions, Real-World Validation, and an Open Leaderboard [63.54109142085327]
VLN(Vision-and-Language Navigation)システムは、離散(パノラマ)または連続(フリーモーション)のパラダイムのみに焦点を当てることが多い。
我々は、これらのパラダイムを明示的な社会的認識制約の下でマージする統合されたヒューマン・アウェアVLNベンチマークを導入する。
論文 参考訳（メタデータ） (2025-03-18T13:05:55Z) - Student-AI Interaction in an LLM-Empowered Learning Environment: A Cluster Analysis of Engagement Profiles [28.794946431719392]
本研究では,多エージェント LLM を用いた学習環境における多様な学習者のプロファイルについて検討した。
学生は様々な行動、認知、感情的なエンゲージメントの傾向を示す。
論文 参考訳（メタデータ） (2025-03-03T16:08:28Z) - A Hierarchical Regression Chain Framework for Affective Vocal Burst
Recognition [72.36055502078193]
本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。
データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。
提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
論文 参考訳（メタデータ） (2023-03-14T16:08:45Z) - Stochastic Coherence Over Attention Trajectory For Continuous Learning
In Video Streams [64.82800502603138]
本稿では,映像ストリーム中のピクセルワイズ表現を段階的かつ自律的に開発するための,ニューラルネットワークに基づく新しいアプローチを提案する。
提案手法は, 参加者の入場地を観察することで, エージェントが学習できる, 人間の様の注意機構に基づく。
実験では,3次元仮想環境を利用して,映像ストリームを観察することで,エージェントが物体の識別を学べることを示す。
論文 参考訳（メタデータ） (2022-04-26T09:52:31Z) - Autonomous Reinforcement Learning: Formalism and Benchmarking [106.25788536376007]
人間や動物が行うような現実世界の具体的学習は、連続的で非エポゾディックな世界にある。
RLの一般的なベンチマークタスクはエピソジックであり、試行錯誤によってエージェントに複数の試行を行う環境がリセットされる。
この相違は、擬似環境向けに開発されたRLアルゴリズムを現実世界のプラットフォーム上で実行しようとする場合、大きな課題となる。
論文 参考訳（メタデータ） (2021-12-17T16:28:06Z) - BEHAVIOR: Benchmark for Everyday Household Activities in Virtual,
Interactive, and Ecological Environments [70.18430114842094]
本稿では,シミュレーションにおける100のアクティビティを持つAIのベンチマークであるBEHAVIORを紹介する。
これらの活動は現実的で多様性があり、複雑であるように設計されています。
われわれは、バーチャルリアリティー(VR)における500件の人間デモを含む。
論文 参考訳（メタデータ） (2021-08-06T23:36:23Z)
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。