Stream-based perception for cognitive agents in mobile ecosystems

要約

認知エージェントの抽象化は、モバイル デバイス全体でインテリジェント システムを設計するのに役立ちます。
スマートフォンでは、搭載センサーから取得したデータから、ユーザーの現在の状況に関する貴重な洞察が得られます。
残念ながら、今日のコグニティブ エージェント フレームワークは、センサー データの困難な特性にうまく対処できません。
センサー データは低い抽象化レベルに配置されており、個々のデータ要素は単独で観察すると意味がありません。
対照的に、認知エージェントは高レベルの知覚に基づいて動作し、複数の知覚のシーケンスにおける複雑な時空間パターンを効果的に検出する手段を欠いています。
この論文では、エージェントが低レベルのセンサー データ ストリーム内の意味のある状況を認識できるようにする、ストリームベースの認識アプローチを紹介します。
自律的で利己的なエージェントが協力して目的地に荷物を届けるクラウドシッピングのケーススタディを紹介します。
スマートフォンのセンサーデータから得られる状況がどのようにしてオークションを引き起こし、誘導し、エージェントが合意に達するために使用するかを示します。
実際のスマートフォンのデータを使った実験では、ストリームベースのエージェント認識の利点を実証しています。

要約(オリジナル)

Cognitive agent abstractions can help to engineer intelligent systems across mobile devices. On smartphones, the data obtained from onboard sensors can give valuable insights into the user’s current situation. Unfortunately, today’s cognitive agent frameworks cannot cope well with the challenging characteristics of sensor data. Sensor data is located on a low abstraction level and the individual data elements are not meaningful when observed in isolation. In contrast, cognitive agents operate on high-level percepts and lack the means to effectively detect complex spatio-temporal patterns in sequences of multiple percepts. In this paper, we present a stream-based perception approach that enables the agents to perceive meaningful situations in low-level sensor data streams. We present a crowdshipping case study where autonomous, self-interested agents collaborate to deliver parcels to their destinations. We show how situations derived from smartphone sensor data can trigger and guide auctions, which the agents use to reach agreements. Experiments with real smartphone data demonstrate the benefits of stream-based agent perception.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google