論文の概要: Multi-Modal Multi-Agent Robotic Cognitive Alignment enabled by Non-Invasive Consumer Brain Computer Interfaces: A Proof of Concept Exploration

• arxiv url: http://arxiv.org/abs/2606.13190v1
• Date: Thu, 11 Jun 2026 10:58:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.741663
• Title: Multi-Modal Multi-Agent Robotic Cognitive Alignment enabled by Non-Invasive Consumer Brain Computer Interfaces: A Proof of Concept Exploration
• Title（参考訳）: 非侵襲型消費者脳コンピュータインタフェースによるマルチモーダルマルチエージェントロボット認知アライメント : 概念探索の証明
• Authors: Nataliya Kosmyna, Liz Jenkins, Anoop K. Sinha,
• Abstract要約: 本稿では,「認知的整合」なマルチエージェントインタラクションを生成するためのフレームワークを提案する。 本稿では,自律的なタスク実行とリアルタイム神経生理学的焦点の相互作用を探索するクローズドループアーキテクチャの設計と実装について述べる。
• 参考スコア（独自算出の注目度）: 2.8348164438226537
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: While non-verbal behaviors and expressive movements are essential for natural human-robot interaction, existing methods often overlook a crucial element: the human's internal cognitive state. Frequently, proactive multi-agent systems can interrupt humans at inopportune moments, leading to cognitive overload and decreased task performance. This paper introduces a framework for generating "cognitively aligned" multi-agent interactions, enhancing the ability of robotic systems to contextually defer communications to the user of an agent system during moments of high human mental workload and engagement. We present the design and implementation of a closed-loop architecture that explores the interplay between autonomous task execution and real-time neurophysiological focus. Using a consumer-grade Brain-Computer Interface (BCI), our approach continuously monitors Electroencephalography (EEG) spectral band powers while a human performs an engagement-inducing task. We propose an engagement-driven pipeline where an HTTP-based signaling mechanism places a primary agent's sensory inputs and audio outputs into a holding state upon detecting high engagement. This allows secondary agents to seamlessly process complex, delegated tasks in the background. Once the human's cognitive state returns to a lower cognitive load baseline, the primary agent releases the queued agent message. Our preliminary results demonstrate the feasibility of leveraging real-time signal processing, Large Language Models (LLMs), and physical robotic embodiments to create cognitively-aware, non-intrusive multi-agent systems.
• Abstract（参考訳）: 非言語的行動や表現的な動きは自然の人間とロボットの相互作用に不可欠であるが、既存の手法はしばしば人間の内的認知状態という重要な要素を見落としている。 しばしば、プロアクティブなマルチエージェントシステムは不適切な瞬間に人間を中断させ、認知的過負荷とタスクパフォーマンスの低下につながる。 本稿では,ロボットシステムにおいて,高作業負荷やエンゲージメントの瞬間において,エージェントシステムのユーザへのコミュニケーションを文脈的に遅延させる能力を高めるとともに,"認知的整合"なマルチエージェントインタラクションを生成するためのフレームワークを提案する。 本稿では,自律的なタスク実行とリアルタイム神経生理学的焦点の相互作用を探索するクローズドループアーキテクチャの設計と実装について述べる。 消費者向けの脳-コンピュータインタフェース(BCI)を用いて,ヒトがエンゲージメント誘導タスクを行う間,脳波(EEG)スペクトルのパワーを継続的に監視する。 本稿では,主エージェントの感覚入力と音声出力を高いエンゲージメントを検出する際に保持状態に配置するHTTPベースの信号処理機構を提案する。 これにより、セカンダリエージェントはバックグラウンドで複雑なデリゲートされたタスクをシームレスに処理できる。 人間の認知状態が低い認知的負荷ベースラインに戻ると、プライマリエージェントはキューされたエージェントメッセージを解放する。 本稿では,リアルタイム信号処理,Large Language Models (LLMs) ,物理ロボットの具体化を応用し,認知に敏感で非侵襲的なマルチエージェントシステムの実現の可能性を示す。

関連論文リスト

• Magentic-UI: Towards Human-in-the-loop Agentic Systems [34.50407835250159]
  本稿では,ヒューマンエージェントインタラクションの開発と研究のためのオープンソースのWebインターフェースであるMagentic-UIを紹介する。 柔軟なマルチエージェントアーキテクチャに基づいて構築されたMagentic-UIは、Webブラウジング、コード実行、ファイル操作をサポートする。 エージェントベンチマークによる自律的なタスク補完、インタラクション機能のユーザテストのシミュレーション、実際のユーザとの質的研究、ターゲットとする安全性評価の4つの側面でMagentic-UIを評価した。
  論文  参考訳（メタデータ） (2025-07-30T03:49:14Z)
• Mapping Neural Signals to Agent Performance, A Step Towards Reinforcement Learning from Neural Feedback [2.9060647847644985]
  NEURO-LOOPは、人間とエージェントの相互作用を促進するために、本質的な人間報酬システムを利用する暗黙のフィードバックフレームワークである。 この研究は、NEURO-LOOPフレームワークにおける重要な第一歩である脳信号をエージェントのパフォーマンスにマッピングする可能性を示している。 従来の機械学習手法を用いて,fNIRSデータとエージェント性能の関係を検証した。
  論文  参考訳（メタデータ） (2025-06-14T21:38:31Z)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• Siamese Network with Dual Attention for EEG-Driven Social Learning: Bridging the Human-Robot Gap in Long-Tail Autonomous Driving [0.0]
  本研究では脳波信号の分類を行う脳-コンピュータインタフェース(BCI)フレームワークを提案する。 タイムリーかつモチベーションの高いコロボティックエンジニアリングアプリケーションとして、準自律ロボット運転における危険事象を警告するために、人間とループのシナリオをシミュレートする。 本稿では,脳波を符号化した信号表現を生成するために,ダイナミック・タイム・ワーピング・バリーセンタ平均化手法と組み合わせた二重アテンション・シームズ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2025-04-14T15:06:17Z)
• Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
  エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。 我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
  論文  参考訳（メタデータ） (2024-01-07T19:11:18Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)

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。