論文の概要: Design Principles for Human-Agent Interaction

• arxiv url: http://arxiv.org/abs/2606.20630v1
• Date: Thu, 28 May 2026 21:49:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 23:03:05.094776
• Title: Design Principles for Human-Agent Interaction
• Title（参考訳）: ヒューマンエージェントインタラクションのための設計原理
• Abstract要約: AIエージェントは、自律的なタスク能力のみに基づいてのみ評価され、デプロイされるべきではない、と私たちは主張する。 4つの相互作用段階にまたがる理想的な人間-エージェント関係を記述した14の設計原理を提示する。
• 参考スコア（独自算出の注目度）: 20.971374130080907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI agents are rapidly evolving into autonomous systems capable of sustained interaction, tool use, and long-term collaboration. Yet their real-world adoption remains limited, suggesting that the key barrier lies not only in technical capability but also in a lack of design knowledge for successful human-agent interaction. This position paper argues that AI agents should not be solely evaluated or deployed based on autonomous task capability alone; because agents interact with, adapt to, influence, and sometimes fail humans, human-agent interaction must be treated as a core design and evaluation target for agentic AI. We present 14 design principles that articulate the ideal human-agent relationship across four interaction stages: initially, during interaction, over time, and when things go wrong. We use these principles to evaluate nine agent systems to illustrate that these design principles can provide actionable guidance for AI design teams to systematically design and evaluate agents that are usable, trustworthy, and effective in real-world interactive settings.
• Abstract（参考訳）: AIエージェントは、持続的なインタラクション、ツールの使用、長期的なコラボレーションが可能な自律システムに急速に進化しています。 しかし、彼らの実世界の採用は限定的であり、重要な障壁は技術的能力だけでなく、人間とエージェントのインタラクションを成功させる設計知識の欠如にあることを示唆している。 エージェントが人間と相互作用し、適応し、影響し、時には失敗するので、エージェントAIのコアデザインと評価ターゲットとして人間とエージェントのインタラクションを扱わなければならない。 4つの相互作用段階(最初、相互作用の間、時間とともに、そして物事がうまくいかなかったとき)に理想的な人間とエージェントの関係を表現した14の設計原則を提示します。 これらの原則を使用して、9つのエージェントシステムを評価し、これらの設計原則が、実世界のインタラクティブな設定において有用で信頼性があり効果的なエージェントを体系的に設計し、評価するための、AI設計チームに実行可能なガイダンスを提供することができることを示す。

関連論文リスト

• Human-AI Agent Interaction in a Business Context [0.0]
  この研究は、AIエージェントによるポジティブユーザエクスペリエンス(UX)の原則と基準を特定し、評価する。 混合メソッドアプローチを用いて、人間とAIエージェント間の相互作用パターンを探索する。
  論文  参考訳（メタデータ） (2026-06-17T05:55:07Z)
• Cooperation in Human and Machine Agents: Promise Theory Considerations [0.0]
  ヒューマンマシンエージェントのシステムにおける協調に関するPromise Theoryの視点は、組織と機能設計に関する統一的な視点を提供する。 エージェント協力の確立した原則を再考し、人間、機械、そしてそれらの相互の相互作用に適用する。
  論文  参考訳（メタデータ） (2026-04-12T07:48:31Z)
• Modeling Distinct Human Interaction in Web Agents [59.600507469754575]
  我々は、協調的なWebタスク実行を支援するために、人間の介入をモデル化するタスクを紹介する。 エージェントとのユーザインタラクションの4つのパターンを特定します。 我々は、これらの介入認識モデルをライブWebナビゲーションエージェントにデプロイし、ユーザスタディで評価し、ユーザ評価エージェントの有用性が26.5%向上した。
  論文  参考訳（メタデータ） (2026-02-19T18:11:28Z)
• A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
  既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。 近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。 この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
  論文  参考訳（メタデータ） (2025-08-10T16:07:32Z)
• Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
  大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。 このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。 本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:58:12Z)
• ADEPTS: A Capability Framework for Human-Centered Agent Design [16.17708866196561]
  我々はAIエージェントのコアユーザ対応機能セットを定義する機能フレームワークであるADEPTSを紹介する。 私たちは、複雑なAI-UX要件を、AI研究者、デザイナ、エンジニア、ポリシーレビュアーなどの行動可能なガイダンスとして、コンパクトなフレームワークにまとめることを目指しています。
  論文  参考訳（メタデータ） (2025-07-18T22:27:40Z)
• AI Agent Behavioral Science [29.262537008412412]
  AIエージェント行動科学は、行動の体系的な観察、仮説をテストするための介入の設計、そしてAIエージェントが時間とともにどのように行動し、適応し、相互作用するかの理論的指導による解釈に焦点を当てている。 我々は、個々のエージェント、マルチエージェント、人間とエージェントのインタラクション設定にまたがる研究の体系化を行い、この視点が、公正さ、安全性、解釈可能性、説明責任、プライバシーを行動特性として扱うことによって、責任あるAIにどのように影響を与えるかを実証する。
  論文  参考訳（メタデータ） (2025-06-04T08:12:32Z)
• 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)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• A Cognitive Framework for Delegation Between Error-Prone AI and Human Agents [0.0]
  本研究では,認知にインスパイアされた行動モデルを用いて,人間エージェントとAIエージェントの両方の行動を予測する。 予測された振る舞いは、仲介者の使用を通じて人間とAIエージェントの制御を委譲するために使用される。
  論文  参考訳（メタデータ） (2022-04-06T15:15:21Z)
• Building Affordance Relations for Robotic Agents - A Review [7.50722199393581]
  Affordancesは、エージェントがオブジェクトでアクションを実行する可能性を記述する。 我々は,ロボット作業における余裕の概念を用いて,さまざまな戦略の共通基盤をレビューし,発見する。 AIエージェントの能力を向上させる可能性を秘めたアプライアンスを含むさまざまな興味深い研究方向を特定し、議論します。
  論文  参考訳（メタデータ） (2021-05-14T08:35:18Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)

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。