[论文解读] Mr. Jones - Towards a Proactive Smart Room Orchestrator.

Tathagata Chakraborti, Kartik Talamadupula+4 more|arXiv (Cornell University)|Jan 1, 2017

Multi-Agent Systems and Negotiation参考文献 19被引用 2

一句话总结

Mr. Jones 是一个主动的智能房间协调器，通过结合符号推理与意图识别，自主管理协作决策任务，例如在认知环境实验室中的会议协调。它通过高级推理和上下文感知的代理交互，实现自动会议摘要、决策过程可视化以及主动的资源管理。

ABSTRACT

In this paper, we report work in progress on the development of Mr. Jones -- a proactive orchestrator and decision support agent for a collaborative decision making setting embodied by a smart room. The duties of such an agent may range across interactive problem solving with other agents in the environment, developing automated summaries of meetings, visualization of the internal decision making process, proactive data and resource management, and so on. Specifically, we highlight the importance of integrating higher level symbolic reasoning and intent recognition in the design of such an agent, and outline pathways towards the realization of these capabilities. We will demonstrate some of these functionalities here in the context of automated orchestration of a meeting in the CEL -- the Cognitive Environments Laboratory at IBM's T.J. Watson Research Center.

研究动机与目标

• 开发一种能够自主协调协作智能环境中的决策支持代理。
• 整合符号推理与意图识别，以增强在动态环境中的情境感知与决策能力。
• 在国际商用机器公司托马斯·杰尔斯·沃森研究中心的认知环境实验室（CEL）中，展示自动会议管理，包括摘要与可视化功能。
• 通过上下文感知的代理行为，实现主动的数据与资源管理。

提出的方法

• 使用符号推理来建模和推理智能房间中的用户意图与协作工作流程。
• 实施意图识别，以解释用户行为与语音，实现上下文感知的决策支持。
• 设计多代理架构，使 Mr. Jones 与其他代理协同工作，以管理会议流程与资源。
• 使用可视化技术，向用户展示内部的决策过程。
• 通过结构化推理与上下文线索，集成会议自动摘要功能。
• 通过基于正在进行的活动与环境上下文预测用户需求，实现主动的资源管理。

实验结果

研究问题

• RQ1 符号推理在协作环境中如何增强智能房间协调器的主动性？
• RQ2 意图识别在智能房间中如何提高自动决策支持的准确性和相关性？
• RQ3 哪些架构模式能够实现主动协调器与其他代理在认知环境中的有效协作？
• RQ4 如何利用高级推理实时生成自动会议摘要与决策过程可视化？
• RQ5 主动资源管理在协作会议期间如何提升用户体验？

主要发现

• 符号推理与意图识别的整合使 Mr. Jones 能够预判用户需求，并主动管理会议工作流程。
• 通过分析 CEL 环境中的上下文与交互数据，成功生成了自动会议摘要。
• 决策过程的可视化提升了用户对协调器行为的透明度与信任感。
• 主动的数据与资源管理通过预判会议期间的资源需求，减少了用户干预。
• 该系统在真实世界认知环境实验室环境中展示了可行性，以最少的人工输入支持协作决策。