論文の概要: A Data-driven Human Responsibility Management System

• arxiv url: http://arxiv.org/abs/2012.03190v1
• Date: Sun, 6 Dec 2020 06:16:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-22 08:09:03.460621
• Title: A Data-driven Human Responsibility Management System
• Title（参考訳）: データ駆動型人間責任管理システム
• Authors: Xuejiao Tang, Jiong Qiu, Ruijun Chen, Wenbin Zhang, Vasileios Iosifidis, Zhen Liu, Wei Meng, Mingli Zhang and Ji Zhang
• Abstract要約: 理想的な安全な職場は、スタッフが適切に組織された順序で責任を果たす場所として説明される。 職業関連の死亡・負傷は依然として増加しており、包括的安全管理が欠如しているため、ここ数十年は高い出席者数となっている。 そのため、スタッフに責任を負うよう指示されるスマート安全管理システムが緊急に必要となる。
• 参考スコア（独自算出の注目度）: 11.650998188402209
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An ideal safe workplace is described as a place where staffs fulfill responsibilities in a well-organized order, potential hazardous events are being monitored in real-time, as well as the number of accidents and relevant damages are minimized. However, occupational-related death and injury are still increasing and have been highly attended in the last decades due to the lack of comprehensive safety management. A smart safety management system is therefore urgently needed, in which the staffs are instructed to fulfill responsibilities as well as automating risk evaluations and alerting staffs and departments when needed. In this paper, a smart system for safety management in the workplace based on responsibility big data analysis and the internet of things (IoT) are proposed. The real world implementation and assessment demonstrate that the proposed systems have superior accountability performance and improve the responsibility fulfillment through real-time supervision and self-reminder.
• Abstract（参考訳）: 理想的な安全な職場は、スタッフがきちんと整理された順序で責任を果たす場所として説明され、潜在的に危険な出来事がリアルタイムで監視され、事故の数や関連する損害を最小限に抑えることができる。 しかし, 総合的な安全管理の欠如により, 職業関連死亡・負傷は依然として増加傾向にあり, 過去数十年間, 高い関心を集めてきた。 そのため、リスク評価の自動化や、必要な時にスタッフや部署に警告を行うとともに、責任を果たすようスタッフに指示するスマート安全管理システムが緊急に必要となる。 本稿では,責任ビッグデータ分析とiot(internet of things, モノのインターネット)に基づく職場における安全管理のためのスマートシステムを提案する。 実世界の実施と評価は,提案システムによる説明責任性能の向上と,リアルタイムの監督と自己調整による責任履行の向上を実証している。

関連論文リスト

• CRMArena: Understanding the Capacity of LLM Agents to Perform Professional CRM Tasks in Realistic Environments [90.29937153770835]
  CRMArenaは、プロフェッショナルな作業環境に根ざした現実的なタスクにおいて、AIエージェントを評価するために設計されたベンチマークである。 現状のLDMエージェントはReActプロンプトのタスクの40%以下で成功し,機能呼び出し能力でも55%以下であった。 この結果から,実環境に展開する関数呼び出しやルールフォローにおいて,エージェント機能の向上の必要性が示唆された。
  論文  参考訳（メタデータ） (2024-11-04T17:30:51Z)
• Safeguarding AI Agents: Developing and Analyzing Safety Architectures [0.0]
  本稿では,人間チームと連携するAIシステムにおける安全対策の必要性について論じる。 我々は,AIエージェントシステムにおける安全プロトコルを強化する3つのフレームワークを提案し,評価する。 これらのフレームワークはAIエージェントシステムの安全性とセキュリティを大幅に強化することができると結論付けている。
  論文  参考訳（メタデータ） (2024-09-03T10:14:51Z)
• EAIRiskBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [47.69642609574771]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 EAIRiskBenchは、EAIシナリオにおける自動物理的リスクアセスメントのための新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Highlighting the Safety Concerns of Deploying LLMs/VLMs in Robotics [54.57914943017522]
  本稿では,大規模言語モデル (LLMs) と視覚言語モデル (VLMs) をロボティクスアプリケーションに統合する際のロバスト性と安全性に関する重要な課題を強調する。
  論文  参考訳（メタデータ） (2024-02-15T22:01:45Z)
• The Internet of Responsibilities-Connecting Human Responsibilities using Big Data and Blockchain [5.030698439873751]
  説明責任管理のための新しい概念「責任のインターネット」を導入する。 システムは、責任を検知し、収集し、責任ノードの位置の観点からリスク領域を表す。 自動リマインダーと割り当てシステムは、人間の介入なしに厳格な責任制御を実施するために使用される。
  論文  参考訳（メタデータ） (2023-12-07T22:16:31Z)
• Safety Margins for Reinforcement Learning [53.10194953873209]
  安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。 Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
  論文  参考訳（メタデータ） (2023-07-25T16:49:54Z)
• Foveate, Attribute, and Rationalize: Towards Physically Safe and Trustworthy AI [76.28956947107372]
  包括的不安全テキストは、日常的なシナリオから生じる可能性のある特定の関心領域であり、有害なテキストを検出するのが困難である。 安全の文脈において、信頼に値する合理的な生成のために外部知識を活用する新しいフレームワークであるFARMを提案する。 実験の結果,FARMはSafeTextデータセットの最先端結果を得ることができ,安全性の分類精度が5.9%向上したことがわかった。
  論文  参考訳（メタデータ） (2022-12-19T17:51:47Z)
• Synergistic Redundancy: Towards Verifiable Safety for Autonomous Vehicles [10.277825331268179]
  我々は、自律走行車(AV)のような複雑なサイバー物理システムのための安全アーキテクチャとして、シナジスティック冗長性(SR)を提案する。 SRは、システムのミッションと安全タスクを分離することで、特定の障害に対する検証可能な安全保証を提供する。 ミッション層との密接な調整により、システム内の安全クリティカルな障害を容易かつ早期に検出することができる。
  論文  参考訳（メタデータ） (2022-09-04T23:52:03Z)
• Sustainability Through Cognition Aware Safety Systems -- Next Level Human-Machine-Interaction [1.847374743273972]
  産業安全は、生産シナリオの間、人間、機械、環境の物理的整合性を扱う。 認知意識安全システム(CASS)の概念は、人間の負荷、ストレス、注意に関するAIベースの推論とAIベースのアクションの選択を統合して、安全停止のトリガーを避けることである。
  論文  参考訳（メタデータ） (2021-10-13T19:36:06Z)
• Responsibility Management through Responsibility Networks [3.1291878216258064]
  責任管理のためのインターネット・オブ・レスポンシビリティ(IoR)をデプロイする。 IoRフレームワークの構築を通じて、階層的な責任管理、あらゆるレベルでの自動責任評価、効率的な責任認識が達成されます。
  論文  参考訳（メタデータ） (2021-02-14T21:06:33Z)

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。