論文の概要: Engagement Process: Rethinking the Temporal Interface of Action and Observation

• arxiv url: http://arxiv.org/abs/2605.11484v1
• Date: Tue, 12 May 2026 04:02:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.560623
• Title: Engagement Process: Rethinking the Temporal Interface of Action and Observation
• Title（参考訳）: エンゲージメント・プロセス:行動・観察の時間的インターフェースを再考する
• Authors: Jialian Li, Yuchen Cao, Junhong Liu, Weiran Guo, Xutao Wang, Jiaming Song, Jiahao Zhang, Jie Chen,
• Abstract要約: Engagement Process(EP)は、適切な意思決定手順でペアを組むのではなく、イベントストリームの分離としてアクションとオブザーバを表現します。 EPは、検討、遅延、遅延フィードバック、永続的なアクションなど、単一エージェントのタイミング問題をキャプチャする。 EPはステップベースのインターフェースによって隠された一時的な振る舞いを公開し、ポリシーが明示的な時間的コストで適応できるようにする。
• 参考スコア（独自算出の注目度）: 26.709060042723348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Task completion in digital and physical environments increasingly involves complex temporal interaction, where actions and observations unfold over different time scales rather than align with fixed observation--action steps. To model such interactions, we propose \emph{Engagement Process} (EP), an interaction formalism that inherits the decision-theoretic structure of POMDPs while making time explicit in the action--observation interface. EP represents actions and observations as decoupled event streams along time, rather than updates paired at fixed decision steps. This interface captures single-agent timing issues such as deliberation latency, delayed feedback, and persistent actions, while supporting richer agent-side organization, multi-rate coordination, and compositional interaction among subsystems. Across toy, LLM-agent, and learning experiments, EP exposes temporal behaviors hidden by step-based interfaces and enables policies to adapt under explicit time costs.
• Abstract（参考訳）: デジタルおよび物理的環境におけるタスク補完は、複雑な時間的相互作用を伴うことが多く、そこでは、アクションと観察は、固定された観察-アクションステップと整合するのではなく、異なる時間スケールで展開される。 このような相互作用をモデル化するために、動作-観測インターフェースにおいて時間を明確にしながら、POMDPの決定-理論構造を継承する相互作用形式である 'emph{Engagement Process} (EP) を提案する。 EPは、一定の決定ステップでペアを組むのではなく、イベントストリームの分離としてアクションとオブザーバを表現している。 このインターフェースは、よりリッチなエージェント側の組織、マルチレート調整、サブシステム間の構成的相互作用をサポートしながら、検討遅延、遅延フィードバック、永続的なアクションなどの単一エージェントのタイミング問題をキャプチャする。 おもちゃ、LLMエージェント、学習実験などを通じて、EPはステップベースのインターフェースによって隠された時間的行動を明らかにし、明示的な時間的コストでポリシーを適応できるようにする。

関連論文リスト

• IMPACT-Scribe: Interactive Temporal Action Segmentation with Boundary Scribbles and Query Planning [75.72434806468884]
  IMPACT-Scribeは高密度ラベリングのための修正駆動のフレームワークである。 不確実性を認識した境界管理、局所的な提案モデリング、コストを意識したクエリ計画、構造化された伝搬、修正駆動適応を組み合わせる。 実験と人間の研究により、このクローズドループの設計は、努力ごとのラベル付け品質を改善し、境界精度を高め、時間とともにより良い人間機械の相互作用を促進することが示されている。
  論文  参考訳（メタデータ） (2026-05-03T01:45:58Z)
• Enhancing Temporal Awareness in LLMs for Temporal Point Processes [53.596733432865626]
  時間的ポイントプロセス(TPP)は、時間とともにイベントを分析するのに不可欠である。 TPP-TALは、大規模な言語モデルにおける時間的推論を強化するために設計された新しいプラグイン・アンド・プレイフレームワークである。 TPP-TALは時間的確率推定と事象予測精度を大幅に改善した。
  論文  参考訳（メタデータ） (2025-12-29T03:01:24Z)
• Action-Dynamics Modeling and Cross-Temporal Interaction for Online Action Understanding [23.87664450145037]
  行動検出と予測を含む行動理解は、多くの実践的応用において重要な役割を担っている。 本研究では,アクション検出と予測タスクの統合と強化を目的とした,ステート・スペクティフィック・モデル(SSM)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-12T16:10:40Z)
• I-PHYRE: Interactive Physical Reasoning [25.02124862476204]
  I-PHYREは、エージェントに直感的な物理的推論、多段階計画、その場介入を同時に提示するフレームワークである。 4つのゲーム分割を定式化し、エージェントの学習と対話的物理的推論の基本原理の一般化を精査する。
  論文  参考訳（メタデータ） (2023-12-04T19:01:19Z)
• DIDER: Discovering Interpretable Dynamically Evolving Relations [14.69985920418015]
  本稿では,内在的解釈可能性を備えた汎用的なエンドツーエンドインタラクションモデリングフレームワークであるDIDER,Discovering Interpretable Dynamically Evolving Relationsを紹介する。 合成と実世界の両方のデータセット上でDIDERを評価する。
  論文  参考訳（メタデータ） (2022-08-22T20:55:56Z)
• Interaction Transformer for Human Reaction Generation [61.22481606720487]
  本稿では,時間的,空間的両方の注意を持つトランスフォーマーネットワークからなる対話型トランスフォーマー(InterFormer)を提案する。 我々の手法は一般的であり、より複雑で長期的な相互作用を生成するのに利用できる。
  論文  参考訳（メタデータ） (2022-07-04T19:30:41Z)
• Divide and Rule: Recurrent Partitioned Network for Dynamic Processes [25.855428321990328]
  多くの動的なプロセスは、物理的システムから社会学的分析まで、相互作用する変数に関与している。 我々のゴールは、部分全体階層を持つシステムを表現し、システム内変数間の暗黙の依存関係を発見することである。 提案アーキテクチャは, (i) 複数のレベルにおける観測の階層的かつ時間的に一貫した表現を抽出する知覚モジュール, (ii) 各レベルにおけるニューロン間の関係性を決定する導出モジュール, (iii)時間分布推定を条件に未来を予測する統計的モジュールからなる。
  論文  参考訳（メタデータ） (2021-06-01T06:45:56Z)
• Modeling Multi-Label Action Dependencies for Temporal Action Localization [53.53490517832068]
  実世界のビデオには、アクションクラス間の固有の関係を持つ多くの複雑なアクションが含まれている。 非発生ビデオにおける時間的行動の局在化のタスクのためのこれらの行動関係をモデル化する注意に基づくアーキテクチャを提案する。 マルチラベルアクションローカリゼーションベンチマークの最先端の方法よりもパフォーマンスが向上しました。
  論文  参考訳（メタデータ） (2021-03-04T13:37:28Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。