論文の概要: Smart Support for Mission Success
- arxiv url: http://arxiv.org/abs/2112.04957v1
- Date: Wed, 8 Dec 2021 08:07:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-10 15:26:14.113862
- Title: Smart Support for Mission Success
- Title（参考訳）: ミッション成功のためのスマートサポート
- Authors: Juliette Mattioli and Pierre-Olivier Robic
- Abstract要約: 戦場環境は複雑で ダイナミックで 不確実で ミッションの成功を確実にするには 効率的な支援が必要です
異なるAIパラダイム(データ駆動型AI、知識ベースAI)は、ハイブリッドAIによる組み合わせにも適しています。
スマートサポート能力は適切なメトリクスで監視でき、マルチ基準決定支援システムと知識管理システムによって改善される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Today's battlefield environment is complex, dynamic and uncertain, and
requires efficient support to ensure mission success. This relies on a proper
support strategy to provide supported equipment able to fulfill the mission. In
the context of defense where both systems and organization are complex, having
a holistic approach is challenging by nature, forces and support agencies need
to rely on an efficient decision support system. Logistics, readiness and
sustainability are critical factors for asset management, which can benefit
from AI to reach "Smart In Service" level relying especially on predictive and
prescriptive approaches and on effective management of operational re-sources.
Smart Support capacities can be then monitored by appropriate metrics and
improved by multi-criteria decision support and knowledge management system.
Depending on the operational context in terms of information and the objective,
different AI paradigms (data-driven AI, knowledge-based AI) are suitable even a
combination through hybrid AI.
- Abstract（参考訳）: 今日の戦場環境は複雑でダイナミックで不確実であり、ミッションの成功を保証するために効率的な支援を必要とする。
これは、任務を遂行できる支援機器を提供するための適切な支援戦略に依存している。
システムと組織が複雑である防衛の文脈では、本質的なアプローチは困難であり、力と支援機関は効率的な意思決定支援システムに頼る必要がある。
ロジスティックス、準備性、持続性は資産管理にとって重要な要素であり、特に予測的かつ規範的なアプローチや運用上のリソースの効果的な管理に依存する"スマート・イン・サービス"レベルにAIの恩恵を受けることができる。
スマートサポート能力は適切なメトリクスで監視でき、マルチ基準決定支援システムと知識管理システムによって改善される。
情報と目的の観点からの運用状況に応じて、異なるAIパラダイム(データ駆動型AI、知識ベースAI)がハイブリッドAIによる組み合わせにも適している。
関連論文リスト
- Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
AIシステムは知恵を欠いている。
AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。
メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。
CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。
さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
論文 参考訳（メタデータ） (2024-05-18T12:45:00Z) - Smart Help: Strategic Opponent Modeling for Proactive and Adaptive Robot Assistance in Households [30.33911147366425]
Smart Helpは、多様な障害を持つ人間のエージェントに対して、積極的にかつ適応的なサポートを提供することを目的としている。
本稿では,主エージェントの能力と目標の微妙な理解を提供する,イノベーティブな対戦相手モデリングモジュールを紹介する。
この結果から,AIを組み込んだ支援ロボットが,脆弱なグループの健康向上に寄与する可能性が示唆された。
論文 参考訳（メタデータ） (2024-04-13T13:03:59Z) - A Case for Competent AI Systems $-$ A Concept Note [0.3626013617212666]
このノートは、AIシステム内の能力の概念を探求し、システムが提供しようとしているものを表現している。
この能力の達成は、実装とテストの欠陥によって妨げられる可能性がある。
タスクを効果的に実行するAIシステムの能力を明らかにする上で、中心的な課題が発生する。
論文 参考訳（メタデータ） (2023-11-28T09:21:03Z) - Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。
Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
論文 参考訳（メタデータ） (2023-11-13T16:00:16Z) - Balancing Autonomy and Alignment: A Multi-Dimensional Taxonomy for
Autonomous LLM-powered Multi-Agent Architectures [0.0]
大規模言語モデル(LLM)は、洗練された言語理解と生成能力を備えた人工知能の分野に革命をもたらした。
本稿では,LLMを用いた自律型マルチエージェントシステムが自律性とアライメントの動的相互作用をどのようにバランスさせるかを分析するために,総合的な多次元分類法を提案する。
論文 参考訳（メタデータ） (2023-10-05T16:37:29Z) - Autonomous Open-Ended Learning of Tasks with Non-Stationary
Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。
内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。
特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。
そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文 参考訳（メタデータ） (2022-05-16T10:43:01Z) - Proceedings of the Robust Artificial Intelligence System Assurance
(RAISA) Workshop 2022 [0.0]
RAISAワークショップは、堅牢な人工知能(AI)と機械学習(ML)システムの研究、開発、応用に焦点を当てる。
特定のMLアルゴリズムに関してロバストネスを研究するのではなく、システムアーキテクチャのレベルでロバストネスの保証を検討することを目的としています。
論文 参考訳（メタデータ） (2022-02-10T01:15:50Z) - Towards Emotional Support Dialog Systems [61.58828606097423]
本稿では,感情支援会話タスクを定義し,ヘルピングスキル理論に基づくESCフレームワークを提案する。
本研究では,豊かなアノテーション(特にサポート戦略)をヘルプシーカとサポーターモードで組み込んだ感情支援会話データセット(ESConv)を構築した。
情緒的サポートを提供する能力に関して、最先端の対話モデルを評価する。
論文 参考訳（メタデータ） (2021-06-02T13:30:43Z) - Domain-Level Explainability -- A Challenge for Creating Trust in
Superhuman AI Strategies [8.910670021706562]
戦略的問題に対して、Deep Reinforcement Learning (DRL)に基づくインテリジェントシステムは、高度なソリューションを学習する素晴らしい能力を示した。
この技術を現実の問題に適用することは、重大なリスクをもたらし、それゆえ、透明性と信頼性を信頼する必要がある。
我々は,超人的DRL戦略の存在,その特性,要求と現実環境への転換の課題について論じる。
論文 参考訳（メタデータ） (2020-11-12T21:42:02Z)
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。