論文の概要: Agentic Driving Coach: Robustness and Determinism of Agentic AI-Powered Human-in-the-Loop Cyber-Physical Systems
- arxiv url: http://arxiv.org/abs/2604.11705v1
- Date: Mon, 13 Apr 2026 16:42:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.690876
- Title: Agentic Driving Coach: Robustness and Determinism of Agentic AI-Powered Human-in-the-Loop Cyber-Physical Systems
- Title（参考訳）: エージェント駆動コーチ:エージェントAI駆動型サイバー物理システムのロバスト性と決定性
- Authors: Deeksha Prahlad, Daniel Fan, Hokeun Kim,
- Abstract要約: 大型言語モデル(LLM)を含む基礎モデルは、人間のループ内サイバー物理システムにますます使われている。
エージェントAIを用いたHITL CPSを実現するために, リアクトル・モデル・オブ・計算(MoC)に基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Foundation models, including large language models (LLMs), are increasingly used for human-in-the-loop (HITL) cyber-physical systems (CPS) because foundation model-based AI agents can potentially interact with both the physical environments and human users. However, the unpredictable behavior of human users and AI agents, in addition to the dynamically changing physical environments, leads to uncontrollable nondeterminism. To address this urgent challenge of enabling agentic AI-powered HITL CPS, we propose a reactor-model-of-computation (MoC)-based approach, realized by the open-source Lingua Franca (LF) framework. We also carry out a concrete case study using the agentic driving coach as an application of HITL CPS. By evaluating the LF-based agentic HITL CPS, we identify practical challenges in reintroducing determinism into such agentic HITL CPS and present pathways to address them.
- Abstract（参考訳）: 大規模言語モデル(LLM)を含む基礎モデルは、ファンデーションモデルベースのAIエージェントが物理的な環境と人間のユーザーの両方と相互作用する可能性があるため、HITL(Human-in-the-loop)サイバー物理システム(CPS)にますます使われている。
しかし、人間のユーザとAIエージェントの予測不可能な振る舞いは、動的に変化する物理的環境に加えて、制御不能な非決定性をもたらす。
エージェントAIを用いたHITL CPSを実現するというこの緊急課題に対処するため,オープンソースのLingua Franca(LF)フレームワークによって実現されたリアクトルモデル・オブ・計算(MoC)ベースのアプローチを提案する。
また、HITL CPSの応用として、エージェント駆動コーチを用いた具体的なケーススタディも実施した。
LF-based agentic HITL CPSを評価することにより, 決定性を再導入する上での実践的課題を特定し, それらに対処するための経路を提示する。
関連論文リスト
- CaP-X: A Framework for Benchmarking and Improving Coding Agents for Robot Manipulation [48.85772216740915]
"Code-as-Policy" は、実行可能コードがデータ集約型のVision-Language-Actionメソッドを補完する方法について考察している。
ロボット操作におけるCode-as-PolicyエージェントのオープンアクセスフレームワークであるCaP-Xを提案する。
論文 参考訳（メタデータ） (2026-03-23T18:08:10Z) - Towards Modeling Cybersecurity Behavior of Humans in Organizations [0.0]
私たちは、AIシステムが組織内の自律的なエージェントとして働きつつあり、自然言語処理にもとづくにつれて、人間の行動リスクに類似した脆弱性も現れている、と論じています。
この人中心型モデルは,AIエージェントを標的とした操作攻撃に対して,新たなセキュリティ戦略を開発するための青写真を提供する。
論文 参考訳（メタデータ） (2026-03-09T15:19:53Z) - Securing AI Agents in Cyber-Physical Systems: A Survey of Environmental Interactions, Deepfake Threats, and Defenses [2.6726842616701703]
この調査は、サイバー物理システムにおけるAIエージェントをターゲットにしたセキュリティ脅威の包括的なレビューを提供する。
我々は、環境相互作用、ディープフェイクによる攻撃、MCPによる脆弱性に焦点を当てる。
タイミング、騒音、偽陽性がいかに制約可能な防御を犠牲にするかを定量的に説明する。
論文 参考訳（メタデータ） (2026-01-28T02:33:24Z) - 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) - DURA-CPS: A Multi-Role Orchestrator for Dependability Assurance in LLM-Enabled Cyber-Physical Systems [2.118898809872991]
CPS(Cyber-Physical Systems)は、重要なアプリケーションで運用する高度なAI技術に依存している。
従来の検証と検証方法は、AIコンポーネントの予測不可能でダイナミックな性質を扱うのに苦労することが多い。
我々は,AIによるCPSの反復保証プロセスを自動化するために,マルチロールオーケストレーションを利用する新しいフレームワークであるDURA-CPSを紹介する。
論文 参考訳（メタデータ） (2025-06-04T21:04:21Z) - AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges [3.7414278978078204]
このレビューは、AIエージェントとエージェントAIを批判的に区別し、構造化された概念分類、アプリケーションマッピング、そして、異なる設計哲学と能力を明らかにするための機会と課題の分析を提供する。
論文 参考訳（メタデータ） (2025-05-15T16:21:33Z) - Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。
我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
論文 参考訳（メタデータ） (2025-05-12T02:04:37Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳（メタデータ） (2022-09-19T16:49:32Z)
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。