論文の概要: CultivAgents: Cultivating Relationship-Centered Multi-Agent Systems for Personalized Gardening

• arxiv url: http://arxiv.org/abs/2605.23193v1
• Date: Fri, 22 May 2026 03:20:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.183135
• Title: CultivAgents: Cultivating Relationship-Centered Multi-Agent Systems for Personalized Gardening
• Title（参考訳）: カルティヴ・エージェント:パーソナライズド・ガーデニングのための関係中心型マルチエージェントシステムの開発
• Authors: Yiyang Wang, Moeiini Reilly, Britney Johnson, Kefei Yan, Alex Cabral, Josiah Hester,
• Abstract要約: CultivAgentsは、パーソナライズされ、文化的に根ざした園芸支援のための、関係中心のマルチエージェントシステムである。 CultivAgentsは、ユーザのスキルレベルにガイダンスを適用するエクスペリエンスエージェント、地域や季節の状況にアドバイスを基盤とする環境エージェント、植物を文化的知識や歴史に結びつけるエスノボタニカルエージェントなど、特殊なエージェントをコーディネートする。
• 参考スコア（独自算出の注目度）: 4.995738796513893
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Gardening is critical to support well-being, cultural continuity, and food autonomy, yet existing digital tools often provide generic advice that overlooks gardeners' skills, local ecologies, seasons, and cultural contexts. We introduce CultivAgents, a relationship-centered multi-agent system for personalized, socio-culturally grounded gardening support. Grounded in ethics of care, CultivAgents coordinates multiple specialized agents: an Experience Agent that adapts guidance to users' skill levels, an Environmental Agent that grounds advice in local and seasonal conditions, and an Ethnobotanical Agent that connects plants to cultural knowledge and histories. We evaluated CultivAgents through a three-phase mixed-methods study with domain experts (n=3), HCI researchers (n=7), and community gardeners (n=5), analyzing expert feedback, pre/post surveys, and participatory design activities. Results suggest that CultivAgents helped gardeners translate interest into situated action: community gardeners reported increased confidence (3.00 to 3.60), motivation (4.00 to 4.40), and trust in acting on AI advice (3.20 to 4.00). Participants valued hyperlocal ecological guidance and complementary agent perspectives, while also identifying limits in cultural specificity, ecological grounding, and agent coordination. The work advances relationship-centered AI, offering design implications for multi-agent systems that support food sovereignty, community resilience, and cultural preservation.
• Abstract（参考訳）: ガーデニングは幸福、文化の連続性、食品の自主性をサポートするために重要であるが、既存のデジタルツールは、庭師のスキル、地元の生態、季節、文化の文脈を見渡す一般的なアドバイスを提供することが多い。 CultivAgentsを紹介した。CultivAgentsは、パーソナライズされた、社会文化的に根ざした園芸支援のための関係中心型マルチエージェントシステムである。 CultivAgentsは、患者のスキルレベルにガイダンスを適応する体験エージェント、地域や季節の状況にアドバイスを基盤とする環境エージェント、植物を文化的知識や歴史に結びつけるエスノボタニカルエージェントなど、複数の特殊エージェントを調整している。 ドメインエキスパート(n=3),HCI研究者(n=7),コミュニティ庭師(n=5),専門家のフィードバック,事前調査,参加型デザイン活動の3段階混合手法を用いて,CultivAgentsの評価を行った。 結果は、CultivAgentsが庭師の関心を位置的行動に変換するのに役立ったことを示唆している: コミュニティ園師は、自信(3.00から3.60)、モチベーション(4.00から4.40)、AIアドバイス(3.20から4.00)に対する行動への信頼を報告した。 参加者は、文化的特異性、生態的基盤、エージェントコーディネーションの限界を識別しながら、超局所的な生態的ガイダンスと補完的なエージェント視点を重んじた。 この研究は、食品の主権、コミュニティのレジリエンス、文化保護をサポートするマルチエージェントシステムにデザイン上の意味を提供する、関係中心のAIを推進している。

関連論文リスト

• TerraLingua: Emergence and Analysis of Open-endedness in LLM Ecologies [12.634456617165634]
  本稿では,このようなシステムにおけるオープン・エンド・ダイナミックスの研究を目的とした,永続的なマルチエージェント生態学であるTerraLinguaを紹介する。 静的あるいは結果のない環境での以前の大規模言語モデルシミュレーションとは異なり、TerraLinguaはリソース制約とエージェントの寿命制限を課している。 ダイナミクスを特徴づけるために、AI人類学者はエージェントの振る舞い、グループ構造、アーティファクトの進化を体系的に分析する。
  論文  参考訳（メタデータ） (2026-03-06T17:04:59Z)
• The Rise of AI Agent Communities: Large-Scale Analysis of Discourse and Interaction on Moltbook [62.2627874717318]
  MoltbookはRedditに似たソーシャルプラットフォームで、AIエージェントが投稿を作成し、コメントや返信を通じて他のエージェントと対話する。 ローンチから約5日後に収集された公開APIスナップショットを使用して、AIエージェントが何を議論しているか、どのように投稿するか、どのように相互作用するのかという3つの研究課題に対処する。 エージェントの執筆は、主に中立であり、コミュニティエンゲージメントや支援指向のコンテンツに肯定性があることが示される。
  論文  参考訳（メタデータ） (2026-02-13T05:28:31Z)
• AgroAskAI: A Multi-Agentic AI Framework for Supporting Smallholder Farmers' Enquiries Globally [1.9678627769419939]
  農村部の農業地帯は、気候にかかわるリスクから被害を受けている。 AgroAskAIは、農業における気候適応決定支援のためのマルチエージェント推論システムである。
  論文  参考訳（メタデータ） (2025-12-16T20:59:04Z)
• Building Self-Evolving Agents via Experience-Driven Lifelong Learning: A Framework and Benchmark [57.59000694149105]
  本稿では、自己進化エージェントを構築するためのフレームワークである、経験駆動型生涯学習(ELL)を紹介する。 ELLは、Experience Exploration、Long-term Memory、Skill Learning、Knowledge Internalizationの4つのコア原則に基づいて構築されている。 また、学生の総合的な大学旅行をシミュレートするELLのベンチマークデータセットであるStuLifeを紹介した。
  論文  参考訳（メタデータ） (2025-08-26T13:04:28Z)
• EMPATHIA: Multi-Faceted Human-AI Collaboration for Refugee Integration [2.172419551358714]
  難民統合への現在のAIアプローチは、雇用のような狭い目標を最適化する。 我々は、中央のCreative AI問題に対処するマルチエージェントフレームワークであるEMPATHIAを紹介します。
  論文  参考訳（メタデータ） (2025-08-11T06:50:55Z)
• Don't lie to your friends: Learning what you know from collaborative self-play [63.0121884175594]
  我々は、AIエージェントが知っていることを教えるために、根本的に新しいアプローチを提案する。 我々は,集団が正解に到達して報奨を受けるマルチエージェントコラボレーションを構築した。 望ましいメタ知識は、相互作用の構造に組み込まれたインセンティブから生まれる。
  論文  参考訳（メタデータ） (2025-03-18T17:53:20Z)
• An EcoSage Assistant: Towards Building A Multimodal Plant Care Dialogue Assistant [19.15902264945402]
  我々は、会話を通じて植物を心配する人々を支援することを目的として、植物ケアアシスタントを構築するための最初の試みを行っている。 本研究では,植物ケアの専門家とユーザ間の約1Kの対話を含む植物ケア対話データセットPlandationalを提案する。 まず、様々な大規模言語モデル(LLM)と視覚言語モデル(VLM)の助けを借りてデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2024-01-10T19:06:35Z)
• Help Me Explore: Minimal Social Interventions for Graph-Based Autotelic Agents [7.644107117422287]
  本稿では,双方の視点が,自己複製エージェントの学習に組み合わされ,スキル獲得が促進されることを論じる。 1) HME(Help Me Explore)と呼ばれる新しいソーシャルインタラクションプロトコルでは,個人と社会的に指導された探索の双方から,自律的なエージェントが恩恵を受けることができる。 GANGSTRは、HME内での学習において、最も複雑な構成を習得することで、個々の学習限界を克服する。
  論文  参考訳（メタデータ） (2022-02-10T16:34:28Z)

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。