論文の概要: Do's and Don'ts for Human and Digital Worker Integration
- arxiv url: http://arxiv.org/abs/2010.07738v1
- Date: Thu, 15 Oct 2020 13:30:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 04:11:00.146757
- Title: Do's and Don'ts for Human and Digital Worker Integration
- Title(参考訳): 人間とデジタルの労働者統合のためのDo's and Don's
- Authors: Vinod Muthusamy, Merve Unuvar, Hagen V\"olzer, Justin D. Weisz
- Abstract要約: 我々は、複数のレベルの自律性と人間の関与の可能性を取り入れた、より広い視点を主張する。
私たちは、デジタルワーカーをビジネスプロセスに統合する際の生産性以上の幅広いメトリクスについて論じています。
- 参考スコア(独自算出の注目度): 14.624340432672172
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic process automation (RPA) and its next evolutionary stage, intelligent
process automation, promise to drive improvements in efficiencies and process
outcomes. However, how can business leaders evaluate how to integrate
intelligent automation into business processes? What is an appropriate division
of labor between humans and machines? How should combined human-AI teams be
evaluated? For RPA, often the human labor cost and the robotic labor cost are
directly compared to make an automation decision. In this position paper, we
argue for a broader view that incorporates the potential for multiple levels of
autonomy and human involvement, as well as a wider range of metrics beyond
productivity when integrating digital workers into a business process
- Abstract(参考訳): ロボットプロセス自動化(rpa)とその次の進化段階であるインテリジェントプロセス自動化は、効率とプロセス結果の改善を推進することを約束する。
しかし、ビジネスリーダーは、インテリジェントな自動化をビジネスプロセスに統合する方法をどのように評価できるだろうか?
人間と機械の間の適切な労働分業とは何か。
統合AIチームはどのように評価されるべきか?
rpaの場合、人間の労働コストとロボット労働コストを直接比較して自動化決定を行うことが多い。
本稿では,デジタルワーカーをビジネスプロセスに統合する際の生産性を超えて,多段階の自律性と人的関与の可能性を取り入れた幅広い視点を論じる。
関連論文リスト
- Scenarios for the Transition to AGI [0.24664305327044286]
我々は、技術進歩の異なるシナリオの下で、生産と賃金がどのように振る舞うかを分析する。
人間の作業は、複雑さが異なる原子論的なタスクに分解できると仮定する。
論文 参考訳(メタデータ) (2024-03-17T22:22:28Z) - ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
LLM(Large Language Models)は、人間のような知性を持つ言語である。
本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。
そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
論文 参考訳(メタデータ) (2023-11-02T14:32:16Z) - Human in the AI loop via xAI and Active Learning for Visual Inspection [2.261815118231329]
産業革命は生産に自動化を導入することで製造業をディスラプトした。
ロボット工学と人工知能の進歩は、人間と機械のコラボレーションの新たなフロンティアを開く。
本研究はまず,産業5.0,人間と機械のコラボレーション,品質検査に関する最先端技術について述べる。
論文 参考訳(メタデータ) (2023-07-03T17:23:23Z) - Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement
Learning [54.636562516974884]
模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。
本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。
ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
論文 参考訳(メタデータ) (2023-03-02T18:51:38Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-12-08T15:56:13Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文 参考訳(メタデータ) (2022-02-10T18:50:25Z) - The Turing Trap: The Promise & Peril of Human-Like Artificial
Intelligence [1.9143819780453073]
人間のような人工知能の利点には、生産性の上昇、余暇の増加、そしておそらく最も重要なのは、私たちの心をよりよく理解することが含まれる。
しかし、あらゆるタイプのAIが人間に似ているわけではない。実際、最も強力なシステムの多くは、人間とは大きく異なる。
機械が人間の労働の代用となるにつれ、労働者は経済的・政治的交渉力を失う。
対照的に、AIが人間を模倣するのではなく強化することに焦点を当てている場合、人間は創造された価値の共有を主張する力を保持します。
論文 参考訳(メタデータ) (2022-01-11T21:07:17Z) - Automation: An Essential Component Of Ethical AI? [0.6445605125467572]
倫理は、人工知能(AI)で有意義に実装されるには抽象的すぎると考えられることがある
本稿では,これまで非常に抽象的と考えられていたコンピューティングの他の側面を考察する。
倫理的AIも同様に達成され、AIが倫理的決定を下すための重要なステップとして自動化のプロセスが提唱されるのだろうか。
論文 参考訳(メタデータ) (2021-03-29T16:25:58Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳(メタデータ) (2021-03-06T09:14:30Z) - Robotics Enabling the Workforce [5.0555627833288]
我々は、基礎研究、技術開発、K-16教育、生涯学習に投資する必要がある。
米国をロボット工学のリーダーにするためには、基礎研究、技術開発、K-16教育、生涯学習に投資する必要がある。
論文 参考訳(メタデータ) (2020-12-16T23:05:10Z) - Joint Mind Modeling for Explanation Generation in Complex Human-Robot
Collaborative Tasks [83.37025218216888]
本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。
ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。
その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
論文 参考訳(メタデータ) (2020-07-24T23:35:03Z)
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。