論文の概要: Suzume-chan: Your Personal Navigator as an Embodied Information Hub

• arxiv url: http://arxiv.org/abs/2512.09932v1
• Date: Wed, 29 Oct 2025 13:29:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.424926
• Title: Suzume-chan: Your Personal Navigator as an Embodied Information Hub
• Title（参考訳）: すずめちゃん:身体情報ハブとしてのパーソナルナビゲータ
• Authors: Maya Grace Torii, Takahito Murakami, Shuka Koseki, Yoichi Ochiai,
• Abstract要約: デジタルツールは情報へのアクセスを改善するが、深い理解に必要な接続感を生み出すことは滅多にない。 本研究では,「一緒にいる」という感覚がコミュニケーションをいかに促進するかを説明するソーシャル・プレゼンス理論を用いて,この問題に対処する。 身体的・会話的相互作用を通じて知識を共有する新しい方法として,「身体情報ハブ」が提案されている。
• 参考スコア（独自算出の注目度）: 3.656531258673585
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Access to expert knowledge often requires real-time human communication. Digital tools improve access to information but rarely create the sense of connection needed for deep understanding. This study addresses this issue using Social Presence Theory, which explains how a feeling of "being together" enhances communication. An "Embodied Information Hub" is proposed as a new way to share knowledge through physical and conversational interaction. The prototype, Suzume-chan, is a small, soft AI agent running locally with a language model and retrieval-augmented generation (RAG). It learns from spoken explanations and responds through dialogue, reducing psychological distance and making knowledge sharing warmer and more human-centered.
• Abstract（参考訳）: 専門家の知識にアクセスするには、しばしばリアルタイムの人間によるコミュニケーションが必要である。 デジタルツールは情報へのアクセスを改善するが、深い理解に必要な接続感覚を生み出すことは滅多にない。 本研究では,「一緒にいる」という感覚がコミュニケーションをいかに促進するかを説明するソーシャル・プレゼンス理論を用いて,この問題に対処する。 身体的・会話的相互作用を通じて知識を共有する新しい方法として,「身体情報ハブ」が提案されている。 プロトタイプのSuzume-chanは、言語モデルと検索強化世代(RAG)でローカルで動作する、小型でソフトなAIエージェントである。 話し言葉の説明から学び、対話を通じて反応し、心理的距離を減らし、知識の共有を暖かくし、より人間中心にする。

関連論文リスト

• Training Language Models for Social Deduction with Multi-Agent Reinforcement Learning [31.196865401472664]
  自然言語の環境に関する生産的な議論を人間による実演なしで行うように、言語モデルを訓練する。 我々はエージェントの目標を利用して、コミュニケーションを誘導する高密度報酬信号として、世界の有用な情報を予測する。 我々は、容疑者の告発や証拠提供など、我々の技術による創発的行動を分析し、強力な議論を可能にすることを発見した。
  論文  参考訳（メタデータ） (2025-02-09T22:44:45Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• GOMA: Proactive Embodied Cooperative Communication via Goal-Oriented Mental Alignment [72.96949760114575]
  我々は、ゴール指向メンタルアライメント(GOMA)という新しい協調コミュニケーションフレームワークを提案する。 GOMAは、目標に関連のあるエージェントの精神状態のミスアライメントを最小限に抑える計画問題として、言語コミュニケーションを定式化している。 我々は,Overcooked(マルチプレイヤーゲーム)とVirtualHome(家庭用シミュレータ)の2つの挑戦環境において,強いベースラインに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2024-03-17T03:52:52Z)
• Neural Approaches to Conversational Information Retrieval [94.77863916314979]
  会話情報検索(CIR)システムは、会話インタフェースを備えた情報検索(IR)システムである。 近年のディープラーニングの進歩により、自然言語処理(NLP)と会話型AIが大幅に改善されている。 この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
  論文  参考訳（メタデータ） (2022-01-13T19:04:59Z)
• Think Before You Speak: Explicitly Generating Implicit Commonsense Knowledge for Response Generation [45.86667254934832]
  常識のような暗黙の知識は、人間の会話を流動させる鍵となる。 本稿では、暗黙のコモンセンス知識(思考)を最初に外部化するための生成的アプローチであるThink-Before-Speaking(TBS)を紹介し、この知識を用いて応答(発話)を生成する。 実証実験の結果、TBSモデルは、ほとんどの自動測定値において、エンドツーエンドおよび知識強化されたRGベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2021-10-16T07:27:12Z)
• Interpretation of Emergent Communication in Heterogeneous Collaborative Embodied Agents [83.52684405389445]
  本稿では,コラボレーティブな多目的ナビゲーションタスクCoMONを紹介する。 この課題において、オラクルエージェントは、地図の形式で詳細な環境情報を有する。 視覚的に環境を知覚するナビゲーターエージェントと通信し、目標のシーケンスを見つけるのが任務である。 創発的コミュニケーションはエージェントの観察と3次元環境の空間構造に基礎を置くことができることを示す。
  論文  参考訳（メタデータ） (2021-10-12T06:56:11Z)
• Few-shot Language Coordination by Modeling Theory of Mind [95.54446989205117]
  我々は、数ショット$textit language coordinate$のタスクについて研究する。 リードエージェントは、言語能力の異なるエージェントの$textitpopulation$と調整する必要があります。 これは、人間のコミュニケーションの重要な構成要素であるパートナーの信念をモデル化する能力を必要とする。
  論文  参考訳（メタデータ） (2021-07-12T19:26:11Z)
• SocialAI 0.1: Towards a Benchmark to Stimulate Research on Socio-Cognitive Abilities in Deep Reinforcement Learning Agents [23.719833581321033]
  人間との社会的相互作用に参加できる体型自律エージェントを構築することは、AIの主要な課題の1つです。 現在のアプローチは、非常に単純で非多様な社会状況におけるコミュニケーションツールとして言語に焦点を当てています。 人間レベルのAIを目指すためには、より広範な社会的スキルが必要であると私たちは主張します。
  論文  参考訳（メタデータ） (2021-04-27T14:16:29Z)
• Emora: An Inquisitive Social Chatbot Who Cares For You [22.411502147348063]
  Emoraは、このような体験中心のインタラクションを、現在の会話型AIの分野に持ち込もうとしている。 従来の情報共有トピックハンドラは、意見指向の交換に重点を置いてバランスを取っている。 新しい会話能力は、パートナーの人生体験の協調的な理解と学習プロセスからなる対話を支援する。
  論文  参考訳（メタデータ） (2020-09-10T00:42:59Z)
• A Deep Learning System for Sentiment Analysis of Service Calls [0.0]
  人工知能(AI)の発展には感性分析が不可欠である 本稿では,実世界の多人数会話に対して感情分析パイプラインを最初に実施する。 音源情報から抽出した音響的特徴と言語的特徴に基づいて,新たな音声感情認識フレームワークを構築する。
  論文  参考訳（メタデータ） (2020-04-21T22:02:43Z)

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。