論文の概要: Learning to Optimize Autonomy in Competence-Aware Systems
- arxiv url: http://arxiv.org/abs/2003.07745v1
- Date: Tue, 17 Mar 2020 14:31:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 21:38:55.554749
- Title: Learning to Optimize Autonomy in Competence-Aware Systems
- Title（参考訳）: 能力認識システムにおける自律性を最適化する学習
- Authors: Connor Basich, Justin Svegliato, Kyle Hollins Wray, Stefan Witwicki,
Joydeep Biswas, Shlomo Zilberstein
- Abstract要約: 体験を通して学習し、オンラインで更新する自律の内省モデルを提案する。
我々は、さまざまなレベルの自律性と利用可能な人間のフィードバックにおいて、自身の習熟度を明示的にモデル化する能力認識システム(CAS)を定義する。
我々はCASの収束特性を解析し、ロボット配送と自律運転領域の実験結果を提供する。
- 参考スコア（独自算出の注目度）: 32.3596917475882
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interest in semi-autonomous systems (SAS) is growing rapidly as a paradigm to
deploy autonomous systems in domains that require occasional reliance on
humans. This paradigm allows service robots or autonomous vehicles to operate
at varying levels of autonomy and offer safety in situations that require human
judgment. We propose an introspective model of autonomy that is learned and
updated online through experience and dictates the extent to which the agent
can act autonomously in any given situation. We define a competence-aware
system (CAS) that explicitly models its own proficiency at different levels of
autonomy and the available human feedback. A CAS learns to adjust its level of
autonomy based on experience to maximize overall efficiency, factoring in the
cost of human assistance. We analyze the convergence properties of CAS and
provide experimental results for robot delivery and autonomous driving domains
that demonstrate the benefits of the approach.
- Abstract（参考訳）: 半自律システム(SAS)への関心は、時折人間に依存する領域に自律システムを展開するパラダイムとして急速に成長している。
このパラダイムにより、サービスロボットや自動運転車はさまざまなレベルの自律性を有し、人間の判断を必要とする状況において安全性を提供することができる。
本稿では,オンライン上で学習・更新される自律の内省モデルを提案し,エージェントが任意の状況下で自律的に行動できる程度を判断する。
我々は、さまざまなレベルの自律性と利用可能な人間のフィードバックにおいて、自身の習熟度を明示的にモデル化する能力認識システム(CAS)を定義する。
CASは、全体の効率を最大化し、人的援助のコストを要因として、経験に基づいて自律性のレベルを調整することを学ぶ。
我々はCASの収束特性を解析し、ロボットの配送や自律走行の分野で実験結果を提供し、アプローチの利点を実証する。
関連論文リスト
- A Measure for Level of Autonomy Based on Observable System Behavior [0.0]
観測可能な行動を用いて自律性のレベルを予測するための潜在的尺度を提案する。
また,提案手法を取り入れたアルゴリズムを提案する。
この測定とアルゴリズムは、実行時に自律システムを比較する方法に興味のある研究者や実践者にとって重要である。
論文 参考訳（メタデータ） (2024-07-20T20:34:20Z) - Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。
私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
論文 参考訳（メタデータ） (2024-07-09T04:56:11Z) - Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - A Language Agent for Autonomous Driving [31.359413767191608]
本稿では,人間のような知性を自律運転システムに統合するためのパラダイムシフトを提案する。
当社のアプローチはAgent-Driverと呼ばれ,汎用ツールライブラリを導入して,従来の自律走行パイプラインを変革する。
LLM(Large Language Models)によって駆動されるエージェントドライブには直感的な常識と堅牢な推論能力が備わっています。
論文 参考訳（メタデータ） (2023-11-17T18:59:56Z) - A Quantitative Autonomy Quantification Framework for Fully Autonomous Robotic Systems [0.0]
本稿では,全自律モードに着目し,タスク要求に基づく定量的自律性評価フレームワークを提案する。
このフレームワークは、自律性を定量化するツールを提供するだけでなく、自律システム開発者とユーザのための規制インターフェースと共通言語も提供する。
論文 参考訳（メタデータ） (2023-11-03T14:26:53Z) - Assurance for Autonomy -- JPL's past research, lessons learned, and
future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。
ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。
JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文 参考訳（メタデータ） (2023-05-16T18:24:12Z) - Model-Based Reinforcement Learning with Isolated Imaginations [61.67183143982074]
モデルに基づく強化学習手法であるIso-Dream++を提案する。
我々は、切り離された潜在的想像力に基づいて政策最適化を行う。
これにより、野生の混合力学源を孤立させることで、長い水平振動子制御タスクの恩恵を受けることができる。
論文 参考訳（メタデータ） (2023-03-27T02:55:56Z) - A Capability and Skill Model for Heterogeneous Autonomous Robots [69.50862982117127]
機能モデリングは、異なるマシンが提供する機能を意味的にモデル化するための有望なアプローチと考えられている。
この貢献は、製造から自律ロボットの分野への能力モデルの適用と拡張の仕方について考察する。
論文 参考訳（メタデータ） (2022-09-22T10:13:55Z) - Adaptive Autonomy in Human-on-the-Loop Vision-Based Robotics Systems [16.609594839630883]
コンピュータビジョンのアプローチは、自律ロボットシステムによって意思決定の指針として広く使われている。
特に人間が監督的な役割しか果たさないHuman-on-the-loop(HoTL)システムでは、高精度が重要です。
適応的自律性レベルに基づくソリューションを提案し,これらのモデルの信頼性の低下を検出する。
論文 参考訳（メタデータ） (2021-03-28T05:43:10Z) - Improving Competence for Reliable Autonomy [0.0]
本稿では,システム展開の過程での能力向上手法を提案する。
具体的には,能力認識システムと呼ばれる半自律システムに着目する。
本手法は,システムの初期モデルから欠落している重要な状態の特徴を特定するために,そのようなフィードバックを利用する。
論文 参考訳（メタデータ） (2020-07-23T01:31:28Z)
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。