論文の概要: BotVerse: Real-Time Event-Driven Simulation of Social Agents

• arxiv url: http://arxiv.org/abs/2603.29741v1
• Date: Tue, 31 Mar 2026 13:39:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.689134
• Title: BotVerse: Real-Time Event-Driven Simulation of Social Agents
• Title（参考訳）: BotVerse:ソーシャルエージェントのリアルタイムイベント駆動シミュレーション
• Authors: Edoardo Allegrini, Edoardo Di Paolo, Angelo Spognardi, Marinella Petrocchi,
• Abstract要約: BotVerseは、LLMベースのエージェントを使用した高忠実なソーシャルシミュレーションのためのスケーラブルでイベント駆動のフレームワークである。 制御された環境内での相互作用を分離することにより、自律エージェントをライブネットワーク上で研究する倫理的リスクに対処する。 我々はBotVerseviaを協調的な偽情報シナリオとして示し、レッドチームと計算社会科学者のための安全な実験的なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: BotVerse is a scalable, event-driven framework for high-fidelity social simulation using LLM-based agents. It addresses the ethical risks of studying autonomous agents on live networks by isolating interactions within a controlled environment while grounding them in real-time content streams from the Bluesky ecosystem. The system features an asynchronous orchestration API and a simulation engine that emulates human-like temporal patterns and cognitive memory. Through the Synthetic Social Observatory, researchers can deploy customizable personas and observe multimodal interactions at scale. We demonstrate BotVersevia a coordinated disinformation scenario, providing a safe, experimental framework for red-teaming and computational social scientists. A video demonstration of the framework is available at https://youtu.be/eZSzO5Jarqk.
• Abstract（参考訳）: BotVerseは、LLMベースのエージェントを使用した高忠実なソーシャルシミュレーションのためのスケーラブルでイベント駆動のフレームワークである。 ブルースキーエコシステムからのリアルタイムコンテンツストリームを基盤にしながら、制御された環境内での相互作用を分離することで、自律エージェントをライブネットワーク上で研究する倫理的リスクに対処する。 このシステムは、非同期オーケストレーションAPIと、人間のような時間パターンと認知記憶をエミュレートするシミュレーションエンジンを備えている。 シンセティック・ソーシャル・オブザーバを通じて、研究者はカスタマイズ可能なペルソナをデプロイし、大規模にマルチモーダルな相互作用を観察することができる。 我々はBotVerseviaを協調的な偽情報シナリオとして示し、レッドチームと計算社会科学者のための安全な実験的なフレームワークを提供する。 フレームワークのデモビデオはhttps://youtu.be/eZSzO5Jarqk.comで公開されている。

関連論文リスト

• Position: AI Agents Are Not (Yet) a Panacea for Social Simulation [62.891898598784415]
  大規模言語モデル(LLM)の最近の進歩は、社会シミュレーションにLLM統合エージェントを使うことへの関心が高まっている。 このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
  論文  参考訳（メタデータ） (2026-02-19T06:35:07Z)
• FreeAskWorld: An Interactive and Closed-Loop Simulator for Human-Centric Embodied AI [24.545163508739943]
  FreeAskWorldは対話型シミュレーションフレームワークで、大規模言語モデルを統合して、ハイレベルな振る舞い計画とセマンティックな基礎的なインタラクションを実現する。 我々のフレームワークはスケーラブルでリアルなヒューマンエージェントシミュレーションをサポートし、多様な実施タスクに適したモジュラーデータ生成パイプラインを含んでいる。 再構成環境,6種類のタスクタイプ,16のコアオブジェクトカテゴリ,63,429の注釈付きサンプルフレーム,17時間以上のインタラクションデータからなる大規模ベンチマークデータセットであるFreeAskWorldを公開・公開する。
  論文  参考訳（メタデータ） (2025-11-17T15:58:46Z)
• SPACeR: Self-Play Anchoring with Centralized Reference Models [50.55045557371374]
  Simエージェントポリシーは、現実的で、人間らしく、高速で、マルチエージェント設定でスケーラブルである。 大規模な拡散モデルやトークン化モデルを用いた模倣学習の最近の進歩は、人間の運転データから直接行動を把握することができることを示している。 本研究では,事前訓練されたトークン化自己回帰運動モデルを利用したSPACeRを提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:53:02Z)
• A Simulation System Towards Solving Societal-Scale Manipulation [14.799498804818333]
  AIによる操作の台頭は、社会的信頼と民主的プロセスに重大なリスクをもたらす。 しかし、これらの効果を現実世界で大規模に研究することは倫理的にも論理的にも非現実的です。 この問題に対処するために設計されたシミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2024-10-17T03:16:24Z)
• EAGERx: Graph-Based Framework for Sim2real Robot Learning [9.145895178276822]
  Sim2realは、シミュレーションから現実世界への学習制御ポリシーの移行であり、ロボット工学への関心が高まりつつある分野である。 EAGERxは,実際のロボット学習とシミュレーションロボット学習の両方に統一されたソフトウェアパイプラインを備えたフレームワークである。
  論文  参考訳（メタデータ） (2024-07-05T08:01:19Z)
• Structured Graph Network for Constrained Robot Crowd Navigation with Low Fidelity Simulation [10.201765067255147]
  低忠実度シミュレータを用いた群集ナビゲーションにおける強化学習(RL)ポリシーの適用可能性について検討した。 動的環境の表現を導入し,人間と障害物の表現を分離する。 この表現は、低忠実度シミュレーターで訓練されたRLポリシーを、シム2リアルギャップを減らして現実世界に展開することを可能にする。
  論文  参考訳（メタデータ） (2024-05-27T04:53:09Z)
• 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)
• User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
  LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。 実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
  論文  参考訳（メタデータ） (2023-06-05T02:58:35Z)
• DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
  DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。 DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。 実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
  論文  参考訳（メタデータ） (2021-04-30T15:30:05Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)

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。