論文の概要: Planning Ahead with RSA: Efficient Signalling in Dynamic Environments by Projecting User Awareness across Future Timesteps
- arxiv url: http://arxiv.org/abs/2510.23340v1
- Date: Mon, 27 Oct 2025 13:54:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:15.564003
- Title: Planning Ahead with RSA: Efficient Signalling in Dynamic Environments by Projecting User Awareness across Future Timesteps
- Title（参考訳）: RSAによるプランニングアヘッド: ユーザ意識の予測による動的環境における効率的なシグナリング
- Authors: Anwesha Das, John Duff, Jörg Hoffmann, Vera Demberg,
- Abstract要約: 本稿では,Rational Speech Act (RSA) を用いた適応型シグナリングの理論的枠組みを提案する。
この有効性は、マルチステップ計画と現実的なユーザ認識モデルの組み合わせに大きく依存していることが示される。
- 参考スコア（独自算出の注目度）: 19.242065209157854
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Adaptive agent design offers a way to improve human-AI collaboration on time-sensitive tasks in rapidly changing environments. In such cases, to ensure the human maintains an accurate understanding of critical task elements, an assistive agent must not only identify the highest priority information but also estimate how and when this information can be communicated most effectively, given that human attention represents a zero-sum cognitive resource where focus on one message diminishes awareness of other or upcoming information. We introduce a theoretical framework for adaptive signalling which meets these challenges by using principles of rational communication, formalised as Bayesian reference resolution using the Rational Speech Act (RSA) modelling framework, to plan a sequence of messages which optimise timely alignment between user belief and a dynamic environment. The agent adapts message specificity and timing to the particulars of a user and scenario based on projections of how prior-guided interpretation of messages will influence attention to the interface and subsequent belief update, across several timesteps out to a fixed horizon. In a comparison to baseline methods, we show that this effectiveness depends crucially on combining multi-step planning with a realistic model of user awareness. As the first application of RSA for communication in a dynamic environment, and for human-AI interaction in general, we establish theoretical foundations for pragmatic communication in human-agent teams, highlighting how insights from cognitive science can be capitalised to inform the design of assistive agents.
- Abstract（参考訳）: 適応エージェント設計は、急速に変化する環境において、時間に敏感なタスクにおける人間とAIのコラボレーションを改善する手段を提供する。
このような場合において、人間が重要なタスク要素の正確な理解を維持するためには、補助エージェントは、最優先情報を識別するだけでなく、この情報を最も効果的に伝達できるかどうかを見積もる必要がある。
本稿では,合理的なコミュニケーションの原理を用いてこれらの課題に対処する適応的シグナリングの理論的枠組みを,Rational Speech Act (RSA) を用いたベイズ的参照解決法として定式化し,ユーザの信念と動的環境とのタイムリーな整合を最適化するメッセージ列を計画する。
エージェントは、予め誘導されたメッセージの解釈がインターフェイスへの注意とその後の信条更新にどのように影響するかの予測に基づいて、ユーザやシナリオの特定の部分にメッセージの特異性とタイミングを適用する。
ベースライン手法と比較して、この効果は、マルチステップ計画と現実的なユーザ認識モデルの組み合わせに大きく依存していることが示される。
動的環境におけるコミュニケーションのためのRSAの第一の応用として,人間-エージェントチームにおける実践的コミュニケーションの理論的基盤を確立するとともに,認知科学からの洞察をいかに活用して支援エージェントの設計を伝えるかを強調した。
関連論文リスト
- Enabling Personalized Long-term Interactions in LLM-based Agents through Persistent Memory and User Profiles [0.4885400580268118]
大規模言語モデル(LLM)はAIエージェントの中央制御ユニットとしての役割を担っている。
本稿では、パーソナライズされた長期的なインタラクションを実現するために、永続メモリ、動的コーディネーション、自己検証、およびユーザプロファイルの進化を統合するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-09T08:22:16Z) - Generic-to-Specific Reasoning and Learning for Scalable Ad Hoc Teamwork [10.462598319732187]
本稿では,アドホックチームワークにおける推論と学習のための知識ベースおよびデータ駆動手法の相補的強みを活用することを提唱する。
任意の目的のために、我々のアーキテクチャは、各アドホックエージェントが非単調な論理的推論によってその動作を決定することを可能にする。
現実的な物理に基づく3Dシミュレーション環境であるVirtualHomeにおけるアーキテクチャの能力について実験的に評価した。
論文 参考訳（メタデータ） (2025-08-06T07:44:38Z) - Task-Oriented Semantic Communication in Large Multimodal Models-based Vehicle Networks [55.32199894495722]
LMMに基づく車両用AIアシスタントLarge Language and Vision Assistant(LLaVA)について検討する。
計算要求を減らし、応答時間を短縮するため、LLaVAの画像スライシングを最適化し、ユーザにとって最も関心のある領域に選択的にフォーカスする。
交通シナリオに対する視覚質問応答(VQA)データセットを構築し,有効性を評価する。
論文 参考訳（メタデータ） (2025-05-05T07:18:47Z) - Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。
本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
論文 参考訳（メタデータ） (2024-11-01T05:56:51Z) - PACE: A Pragmatic Agent for Enhancing Communication Efficiency Using
Large Language Models [29.016842120305892]
本稿では,Large Language Models (LLM) を用いたPACE(Pragmatic Agent for Communication efficiency)に基づく画像実用的コミュニケーションフレームワークを提案する。
PACEは、意味認識、意図分解、意図指向コーディングを順次実行する。
実験的な検証のために,画像の実用的コミュニケーションデータセットとそれに対応する評価基準を構築した。
論文 参考訳（メタデータ） (2024-01-30T06:55:17Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Distortion Resilience for Goal-Oriented Semantic Communication [12.459448669650683]
この研究は、速度歪み理論を利用して、通信や圧縮によって引き起こされる歪みを分析する革新的なアプローチを導入している。
我々は、AIタスクの実証的精度を事前に見積もることができ、ゴール指向のSemCom問題を実現することができる。
実験結果から,提案手法はネットワーク制約に固執しながら,正確なAIタスク性能を実現することが示唆された。
論文 参考訳（メタデータ） (2023-09-26T00:26:29Z) - Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic
Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。
観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。
GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文 参考訳（メタデータ） (2022-05-22T07:11:57Z) - Common Language for Goal-Oriented Semantic Communications: A Curriculum
Learning Framework [66.81698651016444]
目標指向タスク実行を実現するための包括的セマンティックコミュニケーションフレームワークを提案する。
カリキュラム学習(CL)と強化学習(RL)を組み合わせた新しいトップダウンフレームワークを提案する。
シミュレーションの結果,提案手法は,学習中の収束時間,タスク実行時間,送信コストにおいて従来のRLよりも優れていた。
論文 参考訳（メタデータ） (2021-11-15T19:13:55Z) - HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and
Sensing [1.3678064890824186]
HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。
このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。
大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
論文 参考訳（メタデータ） (2021-10-20T00:41:57Z) - SPA: Verbal Interactions between Agents and Avatars in Shared Virtual
Environments using Propositional Planning [61.335252950832256]
SPA(Sense-Plan-Ask)は、仮想的な仮想環境において、仮想的な人間のようなエージェントとユーザアバターの間の言語的対話を生成する。
提案アルゴリズムは実行時コストを小さくし,自然言語通信を利用せずにエージェントよりも効率的に目標を達成できることが判明した。
論文 参考訳（メタデータ） (2020-02-08T23:15:06Z)
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。