論文の概要: When2Talk: When Should a Proactive In-Car Agent Talk?

• arxiv url: http://arxiv.org/abs/2609.12503v1
• Date: Fri, 11 Sep 2026 07:08:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.649548
• Title: When2Talk: When Should a Proactive In-Car Agent Talk?
• Title（参考訳）: When2Talk: プロアクティブな車内エージェントはいつ話すべきか?
• Abstract要約: 車内エージェントは、乗客が自動走行車の動きを理解するのに役立つが、すべての乗車イベントを通信することは不要な割り込みをもたらす可能性がある。 我々は,コミュニケーションがイベントの優先順位や乗客の行動にどのように適応するかを検討した。 イベントの結果、乗客の活動、継続する情報値、確認は、選択的なインキャビン通信のための重要な考慮事項である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Proactive in-cabin agents can help passengers understand automated-vehicle (AV) behavior, but communicating every ride event may introduce unnecessary interruptions. We investigated how communication should adapt to event priority and passenger activity. In a mixed-methods within-subject study, 41 participants rode as passenger in a VR simulated fully-automated vehicle. We compared an event-triggered (ET) policy that communicated immediately at every event with a context-sensitive (CS) policy that selected \textit{Immediate}, \textit{Delayed}, or \textit{Silent} communications. CS increased communication appropriateness and substantially reduced perceived interruption. Perceived trust did not differ between policies, although baselines dispositional trust differentiated communication preferences. Findings highlight event consequence, passenger activity, continuing information value, and confirmation need as key considerations for selective in-cabin communication.
• Abstract（参考訳）: アクティブな車内エージェントは、乗客が自動走行車(AV)の振る舞いを理解するのに役立つが、すべての乗車イベントの通信は不要な中断をもたらす可能性がある。 我々は,コミュニケーションがイベントの優先順位や乗客の行動にどのように適応するかを検討した。 実験では、41人の参加者がVRでシミュレートされた完全自動走行車に乗客として乗った。 私たちは、イベントトリガー(ET)ポリシーを、すべてのイベントで即座に通信するコンテキストセンシティブな(CS)ポリシーと比較し、そこでは、 \textit{Immediate}、 \textit{Delayed}、 \textit{Silent}通信を選択しました。 CSはコミュニケーションの適切性を高め、知覚的中断を大幅に減らした。 信頼と信頼の相違は認められなかったが、基本的信頼はコミュニケーションの好みを区別した。 イベントの結果、乗客の活動、継続する情報値、確認は、選択的なインキャビン通信のための重要な考慮事項である。

関連論文リスト

• Pride and Prejudice: Toward an Information-Theoretic Framework for Mutually Communicative Driver Behavior Modeling [23.378362905847236]
  混合自動運転は、自動運転車が互いの意図を誤読した場合、安全で非効率になる。 我々はこの問題を車線変更における暗黙の相互通信として検討する。 提案したフレームワークは、エゴ車両がその意図をどう表現するかをモデル化し、他のドライバーの好みを探索する。
  論文  参考訳（メタデータ） (2026-06-15T13:56:23Z)
• Communication Policy Evolution for Proactive LLM Agents [58.4960889232199]
  本稿では,コミュニケーションポリシを形式化し,テキストおよびUIベースのポリシを確立し,さまざまな環境におけるコミュニケーションポリシを評価する。 本稿では,コミュニケーションポリシーをロールアウトとプロンプトレベルの進化を通じて改善するための自己進化フレームワークであるコミュニケーションポリシー進化(CPE)を提案する。
  論文  参考訳（メタデータ） (2026-06-12T09:54:01Z)
• Hear You in Silence: Designing for Active Listening in Human Interaction with Conversational Agents Using Context-Aware Pacing [17.874659591744486]
  会話エージェント(CA)の設計において「アクティブリスニング」は見過ごされる 提案手法は, 反射サイレンス, ファシリテートサイレンス, 共感サイレンス, ホールディングスペース, 即時応答の5つである。 この研究は、コンテキスト認識のペアリングのような人間の会話からの洞察が、より共感的な人間とAIコミュニケーションの設計を促進する方法を示している。
  論文  参考訳（メタデータ） (2026-02-05T19:08:06Z)
• SafeCoop: Unravelling Full Stack Safety in Agentic Collaborative Driving [16.620713493180165]
  協調運転システムは、運転安全性と効率を高めるために、複数のエージェント間での車両間通信(V2X)を利用する。 従来のV2Xシステムは、高い帯域幅要求、セマンティック損失、相互運用性の問題など、永続的な課題に直面している。 近年, 自然言語を有望な媒体として検討し, セマンティック・リッチネス, 意思決定レベルの推論, 人と機械の相互運用を実現し, 帯域幅の大幅な削減を実現している。
  論文  参考訳（メタデータ） (2025-10-20T21:41:28Z)
• UNCAP: Uncertainty-Guided Planning Using Natural Language Communication for Cooperative Autonomous Vehicles [79.10221881250759]
  不確実性誘導自然言語協調自律計画(UNCAP)は、視覚言語モデルに基づく計画手法である。 CAVは、意思決定における認識の不確実性を明示的に考慮しながら、軽量な自然言語メッセージを介して通信することができる。 多様な運転シナリオに対する実験では、通信帯域幅が63%減少し、運転安全スコアが31%増加し、決定の不確実性が61%減少し、衝突距離マージンが4倍増加した。
  論文  参考訳（メタデータ） (2025-10-14T21:09:09Z)
• A Survey of LLM-Driven AI Agent Communication: Protocols, Security Risks, and Defense Countermeasures [59.43633341497526]
  大規模言語モデル駆動型AIエージェントは、前例のない知性と適応性を示している。 エージェントコミュニケーションは、未来のAIエコシステムの基礎的な柱と見なされている。 本稿では,エージェント通信セキュリティに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2025-06-24T14:44:28Z)
• Over-communicate no more: Situated RL agents learn concise communication protocols [78.28898217947467]
  互いに効果的に効率的にコミュニケーションできる人工エージェントをいかに設計するかは、不明である。 強化学習(RL)を用いたコミュニケーションの出現に関する研究 エージェントがコミュニケーションを行うための環境行為を強制しなければならない多段階タスクにおける位置的コミュニケーションについて検討する。 テストされたすべてのプレッシャーは過剰なコミュニケーションを阻害する可能性があるが、位置通信は最も効果的であり、努力のコストとは異なり、発生に悪影響を及ぼさない。
  論文  参考訳（メタデータ） (2022-11-02T21:08:14Z)
• Certifiably Robust Policy Learning against Adversarial Communication in Multi-agent Systems [51.6210785955659]
  多くのマルチエージェント強化学習(MARL)では,エージェントが情報を共有し,適切な判断を下す上でコミュニケーションが重要である。 しかし、ノイズや潜在的な攻撃者が存在する現実世界のアプリケーションに訓練された通信エージェントを配置すると、通信ベースのポリシーの安全性は過小評価されている深刻な問題となる。 本研究では,攻撃者が任意の$CfracN-12$エージェントから被害者エージェントへの通信を任意に変更できる,$N$エージェントを備えた環境を検討する。
  論文  参考訳（メタデータ） (2022-06-21T07:32:18Z)
• The Enforcers: Consistent Sparse-Discrete Methods for Constraining Informative Emergent Communication [5.432350993419402]
  コミュニケーションは、エージェントが目標を達成するために協力することを可能にする。 疎間コミュニケーションの学習における最近の研究は、特に協調作業において、コミュニケーションの減少のコストが報酬の減少につながるような、高分散トレーニングに悩まされている。 本研究は、コミュニケーションの減少による報酬の損失を抑え、差別に対するペナルティを排除し、上記の課題に対処する。
  論文  参考訳（メタデータ） (2022-01-19T07:31:06Z)
• Interpretation of Emergent Communication in Heterogeneous Collaborative Embodied Agents [83.52684405389445]
  本稿では,コラボレーティブな多目的ナビゲーションタスクCoMONを紹介する。 この課題において、オラクルエージェントは、地図の形式で詳細な環境情報を有する。 視覚的に環境を知覚するナビゲーターエージェントと通信し、目標のシーケンスを見つけるのが任務である。 創発的コミュニケーションはエージェントの観察と3次元環境の空間構造に基礎を置くことができることを示す。
  論文  参考訳（メタデータ） (2021-10-12T06:56:11Z)

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。