論文の概要: Exploring and Complementing End Users' Requirements in IoT enabled System

• arxiv url: http://arxiv.org/abs/2606.10598v1
• Date: Tue, 09 Jun 2026 09:01:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.009989
• Title: Exploring and Complementing End Users' Requirements in IoT enabled System
• Title（参考訳）: IoT対応システムにおけるエンドユーザの要件の探索と補完
• Authors: Haotian Li, Xiaohong Chen, Zhi Jin, Shuyuan Xiao, Chenxu Wang, Haoxiang Yan, Xiaoyi Chen,
• Abstract要約: エンドユーザは、トリガーアクションプログラミングを通じてIoT自動化ルールを作成するが、その表現はしばしば断片化される。 このギャップは、不足した条件、論理的矛盾、見落とされた安全性の制約につながります。 本稿では,ルール補完を二重プロセスとして再編成する意図駆動型要件補完手法を提案する。
• 参考スコア（独自算出の注目度）: 41.6356008435714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End users create IoT automation rules via trigger action programming, but their expressions are often fragmented, capturing device operations rather than high level intents. This gap leads to missing conditions, logical conflicts, and overlooked safety constraints, risking hazardous behaviors. To address this, we propose an intent driven requirements completion approach that reframes rule completion as a dual process: reconstructing intent from fragmented rules, then regenerating rules from that intent, with safety embedded throughout. We introduce a Bidirectional Requirements Traceability Tree, a three layer model linking rules, intents, and quality concerns, and design a multiagent framework that combines LLM reasoning with structured traceability. This enables completions that are both functionally complete and inherently safe, while remaining traceable and explainable. Evaluation shows our method significantly outperforms the baselines, improving the rule completion rate by 43% and reducing logical conflicts by over 21%. By grounding completion in intent understanding, we shift the paradigm from user to system responsibility, and from functional correctness to holistic trustworthiness.
• Abstract（参考訳）: エンドユーザは、トリガーアクションプログラミングを通じてIoT自動化ルールを作成するが、その表現はしばしば断片化され、高レベルの意図ではなくデバイス操作をキャプチャする。 このギャップは、不足した条件、論理的矛盾、見過ごされた安全制約につながり、有害な行動を危険にさらす。 そこで本研究では,ルール完了を2つのプロセスとして再編成する意図駆動型要件完了アプローチを提案する。 ルール,意図,品質をリンクする3層モデルである双方向要求トレーサビリティツリーを導入し,LLM推論と構造化トレーサビリティを組み合わせたマルチエージェントフレームワークを設計する。 これにより、機能的に完全かつ本質的に安全でありながら、トレース可能で説明可能な完了が可能になる。 評価の結果,本手法は基準値を大幅に上回り,ルール完了率を43%改善し,論理的矛盾を21%以上低減した。 完了を意図的理解で基礎づけることによって、私たちはパラダイムをユーザからシステム責任へ、そして機能的正しさから全体論的信頼性へとシフトさせます。

関連論文リスト

• PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments [59.07829883257003]
  5つの集合住宅の上に建設され、PRISMは300の人間認証タスクを3つの能力レベルに構成する。 PRISMはエージェントに依存しない実行可能なアクションAPIを公開し、任意のエージェントをエンドツーエンドで評価できるようにする。
  論文  参考訳（メタデータ） (2026-05-12T04:59:47Z)
• Towards Neuro-symbolic Causal Rule Synthesis, Verification, and Evaluation Grounded in Legal and Safety Principles [0.28582274879786684]
  ルールベースのシステムは、スケーラビリティ、脆性、目標の過ちに苦しむ。 本稿では,目標の不特定を緩和し,スケーラブルなルール維持をサポートするメタレベルレイヤを提案する。 2つの自律運転シナリオにおける概念実証実装によるアプローチの評価を行った。
  論文  参考訳（メタデータ） (2026-04-30T16:34:02Z)
• Structural Enforcement of Goal Integrity in AI Agents via Separation-of-Powers Architecture [0.10152838128195464]
  Policy-Execution-Authorization (PEA)アーキテクチャは、システムレベルでの安全性を強制する"パワーの分離"設計である。 PEAはインテントの生成、承認、実行を、暗号的に制約された機能トークンを介して接続された独立した分離されたレイヤに分離する。
  論文  参考訳（メタデータ） (2026-04-26T10:31:13Z)
• Lying to Win: Assessing LLM Deception through Human-AI Games and Parallel-World Probing [16.419761149171215]
  本稿では,大規模言語モデルを組み込んだ論理的基盤化フレームワークを提案する。 オブジェクト識別の時点では,対話状態は複数の並列世界へ複製される。 GPT-4o, Gemini-2.5-Flash, Qwen-3-235B を3つのインセンティブレベル(中性, 損失ベース, 存在)で評価した。
  論文  参考訳（メタデータ） (2026-03-07T13:21:53Z)
• OMG-Agent: Toward Robust Missing Modality Generation with Decoupled Coarse-to-Fine Agentic Workflows [9.617220633655716]
  textbfunderlineOmni-textbfunderlineModality textbfunderlineGeneration Agent (textbfOMG-Agent)について述べる。
  論文  参考訳（メタデータ） (2026-02-04T02:25:40Z)
• Trajectory2Task: Training Robust Tool-Calling Agents with Synthesized Yet Verifiable Data for Complex User Intents [52.30603055218294]
  Trajectory2Taskは,3つの現実的なユーザシナリオの下で大規模なツール使用を研究するための,検証可能なデータ生成パイプラインである。 有効なツールコールトラジェクトリを、制御されたインテント適応を伴うユーザ向けタスクに変換する。 我々は、生成された複雑なユーザシナリオタスクに対して、7つの最先端のLCMをベンチマークし、頻繁な障害を観察する。
  論文  参考訳（メタデータ） (2026-01-28T00:36:13Z)
• RoboSafe: Safeguarding Embodied Agents via Executable Safety Logic [56.38397499463889]
  視覚言語モデル(VLM)を利用するエージェントは、複雑な現実世界のタスクを実行する能力がますます高まっている。 しかし、安全でない行動を引き起こす可能性のある危険な指示に弱いままである。 提案するRoboSafeは,実行可能述語ベースの安全ロジックを通じて,エージェントを具体化するためのランタイムセーフガードである。
  論文  参考訳（メタデータ） (2025-12-24T15:01:26Z)
• LatentGuard: Controllable Latent Steering for Robust Refusal of Attacks and Reliable Response Generation [4.29885665563186]
  LATENTGUARDは、行動アライメントと教師付き潜在空間制御を組み合わせて、解釈可能で正確な安全操縦を行うフレームワークである。 本研究は, 実用性を損なうことなく, 安全性制御性と応答解釈性の両方を向上することを示す。
  論文  参考訳（メタデータ） (2025-09-24T07:31:54Z)
• DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
  大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。 この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。 本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T05:01:09Z)

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。