論文の概要: OptoAgent: A Trustworthy Multi-Agent Framework for Opportunistic Vision Micro-Screening in Classroom Environments
- arxiv url: http://arxiv.org/abs/2609.14514v1
- Date: Sun, 13 Sep 2026 13:38:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.832104
- Title: OptoAgent: A Trustworthy Multi-Agent Framework for Opportunistic Vision Micro-Screening in Classroom Environments
- Title（参考訳）: OptoAgent: 教室環境におけるオポチュニスティック視覚マイクロスクリニングのための信頼できるマルチエージェントフレームワーク
- Abstract要約: 私たちはSightSentinelを紹介します。これは、子供がすでに読んでいる壁のディスプレイを、繰り返し表示されるスクリーニングサイトに変えるアーキテクチャです。
本報告では, 定式化, アーキテクチャ, 臨床基準に対する4段階の検証プロトコル, アプローチを拒否すべき条件について述べる。
- 参考スコア（独自算出の注目度）: 1.6791044863781395
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A child with reduced distance vision often does not know that anything is wrong. Children adapt, move closer, and rarely report the difficulty, so the problem can survive years of schooling before an adult notices. School screening addresses part of this, but it runs on a schedule, depends on staffing, and is separated from the classroom moments where the difficulty appears. Smartphone and web-based acuity tests have widened access, yet every one of them still needs somebody to start a test. We present SightSentinel, an architecture that turns a wall display a child already reads from into a recurring screening site. Ordinary educational content carries short calibrated optotype probes, and eight specialized agents divide the work. Perception agents recover viewing distance, recognition accuracy, approach behavior, gaze stability, response latency, and interocular difference from each encounter. A quality agent discards observations taken under bad geometry, poor lighting, or inattention. A longitudinal agent accumulates only the surviving evidence against the child's own baseline, and an orchestrator reports a Vision Concern Score routed through a safety gate whose output range excludes diagnosis, refraction, prescription, and reassurance. The design question is whether many cheap, noisy, well-gated encounters can reach a referral decision that one scheduled test reaches late or misses. We state the formulation, the architecture, a four-stage validation protocol against clinical reference standards, and the conditions under which the approach should be rejected.
- Abstract（参考訳）: 視力の低下した子供は、何かが間違っていることを知らないことが多い。
子どもたちは適応し、より近づき、困難を報告することは滅多にないため、問題は成人が気づく前に何年も学校を生き残ることができる。
学校スクリーニングは、この一部に対処するが、スケジュールで実行し、スタッフに依存し、難易度が現れる教室の瞬間とは切り離されている。
スマートフォンとWebベースの明度テストはアクセス範囲が広くなったが、いずれの機種もテストを開始するのに誰かを必要としている。
私たちはSightSentinelを紹介します。これは、子供がすでに読んでいる壁のディスプレイを、繰り返し表示されるスクリーニングサイトに変えるアーキテクチャです。
通常の教育内容には、短い校正されたオプトタイププローブがあり、8人の専門エージェントが仕事を分割している。
知覚エージェントは、視距離、認識精度、接近行動、視線安定性、応答遅延、および各遭遇からの眼間差を回復する。
品質エージェントは、悪い幾何学、悪い照明、または不注意の下で取られた観察を破棄する。
縦型エージェントは、子供自身のベースラインに対する生き残った証拠のみを蓄積し、オーケストレータは、診断、屈折、処方、保留を除外した安全ゲートを通過したビジョン懸念スコアを報告する。
設計上の問題は、多くの安く、騒々しく、きちんと表現された出会いが、1回の予定されたテストが遅れるか、遅れるかという基準的な決定に達するかどうかである。
本報告では, 定式化, アーキテクチャ, 臨床基準に対する4段階の検証プロトコル, アプローチを拒否すべき条件について述べる。
関連論文リスト
- MNIST-PRO: MNIST is Back as a Partially Observable World for AI Agents [74.83535434786145]
MNIST-PRO (MNIST-PRO) は、MNISTの桁認識を、ルックバック制約付きシーケンシャルな視線に基づく検索タスクに変換することで、エージェント認識を分離するベンチマークである。
生の視覚履歴、テキスト状態、構造化されたメートル法グリッドマップ、統合された視覚キャンバスを含む4つの記憶表現の10つのマルチモーダルモデルを評価する。
論文 参考訳（メタデータ） (2026-08-31T16:05:39Z) - WeAgent-MMSearch: Native Text-Vision Interaction for Multimodal Search Agents [53.426679066400844]
WeAgent-Harnessは、ネイティブテキストビジョンインタラクションと実行時リカバリをサポートするマルチモーダルエージェントハーネスである。
WeAgent-MMSearchは,データ構築,エージェントポストトレーニング,マルチモーダルロールアウトにまたがる統合システムである。
また、150タスクの人間認証ベンチマークであるVisTarget-Benchを紹介します。
論文 参考訳（メタデータ） (2026-08-28T08:28:43Z) - ReGround: Restoring Visual Grounding in Multi-Step Reasoning through Self-Diagnosis and Visual Re-Examination [9.288297528741332]
ReGroundはビジョンランゲージモデル(Vision-Language Models)を教えるフレームワークで、失敗を自己診断し、視覚的エビデンスを選択的に再検査する。
画像再注入と目標自己診断の2つの相補的な要素が必要であることが判明した。
論文 参考訳（メタデータ） (2026-08-05T02:41:53Z) - Diagnosing Visual Ignorance in Vision-Language Models [29.2851901986069]
VLM(Vision-Language Models)は、しばしば言語先行に頼り、視覚的証拠に弱く根ざした自信ある答えを生み出す。
本研究では,機械的視点と行動的視点の両方から言語優先性について検討する。
言語優先の信頼性は、モデル内部とベンチマークの妥当性の両方に影響を及ぼす体系的なルーティング障害であることがわかった。
論文 参考訳（メタデータ） (2026-06-05T04:16:01Z) - TIDE: Proactive Multi-Problem Discovery via Template-Guided Iteration [74.97459526627395]
2つの補完機構を備えたテンプレート誘導反復フレームワークであるTIDEを紹介する。
我々は,すでに発見されているものを条件付けながら,ラウンド毎に少数の候補を探索する反復探索を提案する。
単一ショットと並列マルチエージェントのベースラインをタスクカバレッジ,識別,解像度で比較すると,大幅に向上した。
論文 参考訳（メタデータ） (2026-06-03T11:23:08Z) - UCAgents: Unidirectional Convergence for Visual Evidence Anchored Multi-Agent Medical Decision-Making [23.911343934512626]
VLM(Vision-Language Models)は、医学的診断において有望であるが、推論的分離に苦しむ。
最近のマルチエージェントフレームワークは、単一モデルのバイアスを軽減するために、MDT(Multidiciplinary Team)の議論をシミュレートしている。
構造化された証拠監査を通じて一方向収束を強制するUCAgentsを提案する。
論文 参考訳（メタデータ） (2025-12-02T07:20:21Z) - DiPEx: Dispersing Prompt Expansion for Class-Agnostic Object Detection [45.56930979807214]
クラスに依存しないオブジェクト検出は、多くの下流の視覚タスクにおいて、基盤となるかボトルネックとなる可能性がある。
本研究では、視覚言語モデルを用いて、自己教師付きプロンプト学習戦略による物体検出を強化する。
我々は,MS-COCO および LVIS におけるDiPEx の有効性を,クラス依存型OD および OOD-OD 実験により実証した。
論文 参考訳（メタデータ） (2024-06-21T07:33:37Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [89.92916473403108]
本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - Unsupervised Continual Anomaly Detection with Contrastively-learned
Prompt [80.43623986759691]
UCADと呼ばれる新しい非教師付き連続異常検出フレームワークを提案する。
このフレームワークは、対照的に学習したプロンプトを通じて、UDAに継続的な学習能力を持たせる。
我々は総合的な実験を行い、教師なし連続異常検出とセグメンテーションのベンチマークを設定した。
論文 参考訳（メタデータ） (2024-01-02T03:37:11Z) - Detecting Rewards Deterioration in Episodic Reinforcement Learning [63.49923393311052]
多くのRLアプリケーションでは、トレーニングが終了すると、エージェント性能の劣化をできるだけ早く検出することが不可欠である。
我々は,各エピソードにおける報酬が独立でもなく,同一に分散した,マルコフでもない,エピソード的枠組みを考察する。
平均シフトは、時間信号の劣化(報酬など)に対応する方法で定義し、最適な統計的パワーでこの問題の試行を導出する。
論文 参考訳（メタデータ） (2020-10-22T12:45:55Z)
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。