論文の概要: Conversational Demand Response: Bidirectional Aggregator-Prosumer Coordination through Agentic AI
- arxiv url: http://arxiv.org/abs/2603.06217v1
- Date: Fri, 06 Mar 2026 12:32:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 13:17:45.694825
- Title: Conversational Demand Response: Bidirectional Aggregator-Prosumer Coordination through Agentic AI
- Title（参考訳）: 対話型需要応答:エージェントAIによる双方向アグリゲータ・プロデューサ協調
- Authors: Reda El Makroum, Sebastian Zwickl-Bernhard, Lukas Kranzl, Hans Auer,
- Abstract要約: 本稿では,自然言語を介してアグリゲータとプロシューマーが対話する協調機構である会話要求応答(CDR)を紹介する。
2階層のマルチエージェントアーキテクチャを開発し、アグリゲータエージェントがフレキシビリティ要求をディスパッチし、サプライヤホームエナジー管理システム(HEMS)が納品性と費用対効果を評価する。
エージェントプロンプト、オーケストレーションロジック、シミュレーションインターフェースを含むすべてのシステムコンポーネントはオープンソースとしてリリースされ、さらなる開発が可能になる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Residential demand response depends on sustained prosumer participation, yet existing coordination is either fully automated, or limited to one-way dispatch signals and price alerts that offer little possibility for informed decision-making. This paper introduces Conversational Demand Response (CDR), a coordination mechanism where aggregators and prosumers interact through bidirectional natural language, enabled through agentic AI. A two-tier multi-agent architecture is developed in which an aggregator agent dispatches flexibility requests and a prosumer Home Energy Management System (HEMS) assesses deliverability and cost-benefit by calling an optimization-based tool. CDR also enables prosumer-initiated upstream communication, where changes in preferences can reach the aggregator directly. Proof-of-concept evaluation shows that interactions complete in under 12 seconds. The architecture illustrates how agentic AI can bridge the aggregator-prosumer coordination gap, providing the scalability of automated DR while preserving the transparency, explainability, and user agency necessary for sustained prosumer participation. All system components, including agent prompts, orchestration logic, and simulation interfaces, are released as open source to enable reproducibility and further development.
- Abstract（参考訳）: 住宅需要の応答は、継続した消費者参加に依存するが、既存の調整は完全に自動化されているか、または情報的な意思決定の可能性がほとんどない一方的なディスパッチ信号と価格警告に限られている。
本稿では、エージェントAIによって実現された双方向自然言語を介してアグリゲータとプロシューマーが対話する協調機構である会話要求応答(CDR)を紹介する。
二層多エージェントアーキテクチャは、アグリゲータエージェントがフレキシビリティ要求をディスパッチし、サプライヤホームエネルギー管理システム(HEMS)が最適化ツールを呼び出し、納品性と費用対効果を評価する。
CDRはまた、プロデューサが開始する上流通信を可能にし、好みの変化が直接アグリゲータに到達することができる。
概念実証評価は、相互作用が12秒以内で完了することを示している。
このアーキテクチャは、エージェントAIがアグリゲータとプロシューマーの調整ギャップを埋める方法を示し、プロシューマーの継続的な参加に必要な透明性、説明可能性、ユーザエージェンシーを維持しながら、自動DRのスケーラビリティを提供する。
エージェントプロンプト、オーケストレーションロジック、シミュレーションインターフェースを含む全てのシステムコンポーネントは、再現性とさらなる開発を可能にするためにオープンソースとしてリリースされている。
関連論文リスト
- Towards Adaptive, Scalable, and Robust Coordination of LLM Agents: A Dynamic Ad-Hoc Networking Perspective [31.81236449944822]
RAPSは、LLMエージェントの適応性、拡張性、堅牢な調整のための、評判の高いパブリッシュ・サブスクライブ・パラダイムである。
RAPSは2つの一貫性のあるオーバーレイを組み込んでいる: (i) リアクティブ・サブスクライブ(reactive Subscription) エージェントがその意図を動的に洗練することを可能にし、 (ii) ベイジアン・レピュテーション(Bayesian Reputation)。
論文 参考訳（メタデータ） (2026-02-08T15:26:02Z) - Stochastic Self-Organization in Multi-Agent Systems [28.70691568233268]
LLM(Large Language Models)に基づくマルチエージェントシステム(MAS)は、単一のLLMの範囲を超えているタスクを解く可能性がある。
通信をオンザフライで適応する応答条件付きフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-01T09:08:04Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - AgentMaster: A Multi-Agent Conversational Framework Using A2A and MCP Protocols for Multimodal Information Retrieval and Analysis [0.0]
本稿では,A2AとMPPを自己実装した新しいモジュール型マルチプロトコールMASフレームワークであるAgentMasterの試験的検討を行う。
このシステムは、先行技術知識のない自然言語インタラクションをサポートし、情報検索、質問応答、画像解析を含むタスクに対するマルチモーダルクエリに応答する。
全体として、提案するフレームワークは、MASを利用したドメイン固有、協調的、スケーラブルな対話型AIの可能性に寄与する。
論文 参考訳（メタデータ） (2025-07-08T03:34:26Z) - AnyMAC: Cascading Flexible Multi-Agent Collaboration via Next-Agent Prediction [77.62279834617475]
本稿では,グラフ構造ではなくシーケンシャル構造を用いて,マルチエージェント協調を再考するフレームワークを提案する。
提案手法は,(1)各ステップで最も適したエージェントロールを選択するNext-Agent Predictionと,(2)各エージェントが前ステップから関連する情報にアクセスできるようにするNext-Context Selectionの2つの重要な方向に焦点を当てる。
論文 参考訳（メタデータ） (2025-06-21T18:34:43Z) - Agent Context Protocols Enhance Collective Inference [25.611935537078825]
エージェントコンテキストプロトコル(エージェントコンテキストプロトコル、ACP)は、エージェントエージェント通信、調整、エラー処理のための、ドメインおよびエージェントに依存しないプロトコルのファミリーである。
ACPは永続的な実行青写真と標準化されたメッセージスキーマを組み合わせることで、堅牢でフォールトトレラントな集団推論を可能にする。
ACPによるジェネラリストシステムは最先端のパフォーマンスに到達し、長い水平ウェブアシストと最高のマルチモーダル技術レポートのためのAssistantBenchの精度は28.3%である。
論文 参考訳（メタデータ） (2025-05-20T16:28:08Z) - Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。
我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。
IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文 参考訳（メタデータ） (2024-07-09T17:33:24Z) - AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。
豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
論文 参考訳（メタデータ） (2024-02-21T04:11:28Z)
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。