論文の概要: Considerations for Task Allocation in Human-Robot Teams

• arxiv url: http://arxiv.org/abs/2210.03259v1
• Date: Thu, 6 Oct 2022 23:57:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 14:52:30.075912
• Title: Considerations for Task Allocation in Human-Robot Teams
• Title（参考訳）: ロボットチームにおけるタスク割り当てに関する考察
• Authors: Arsha Ali, Dawn M. Tilbury, Lionel P. Robert Jr
• Abstract要約: エージェントが協力するヒューマンロボットチームでは、エージェントへのタスクの明確な割り当てが必要です。 エージェント能力、可用性、ワークロード、疲労、タスクとドメイン固有のパラメータなどの要素を含む多くのタスク割り当て手法が提案されている。
• 参考スコア（独自算出の注目度）: 4.0711669706762805
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In human-robot teams where agents collaborate together, there needs to be a clear allocation of tasks to agents. Task allocation can aid in achieving the presumed benefits of human-robot teams, such as improved team performance. Many task allocation methods have been proposed that include factors such as agent capability, availability, workload, fatigue, and task and domain-specific parameters. In this paper, selected work on task allocation is reviewed. In addition, some areas for continued and further consideration in task allocation are discussed. These areas include level of collaboration, novel tasks, unknown and dynamic agent capabilities, negotiation and fairness, and ethics. Where applicable, we also mention some of our work on task allocation. Through continued efforts and considerations in task allocation, human-robot teaming can be improved.
• Abstract（参考訳）: エージェントが協力するヒューマンロボットチームでは、エージェントにタスクを明確に割り当てる必要があります。 タスク割り当ては、チームパフォーマンスの改善など、ヒューマンロボットチームの推定利益を達成するのに役立つ。 エージェントの能力、可用性、ワークロード、疲労、タスクやドメイン固有のパラメータなどを含む多くのタスク割り当て方法が提案されている。 本稿では,タスクアロケーションの選択作業について概説する。 また,タスク割り当ての継続およびさらなる検討を行う領域についても論じる。 これらの分野には、コラボレーションのレベル、新しいタスク、未知および動的エージェント能力、交渉と公正、倫理が含まれる。 適用可能なところでは、タスク割り当てに関する作業についても言及します。 タスク割り当ての継続的な努力と考慮を通じて、人間とロボットのチーム化が改善される。

関連論文リスト

• A Survey on Complex Tasks for Goal-Directed Interactive Agents [60.53915548970061]
  この調査は、目標指向の対話エージェントを評価するための、関連するタスクと環境をコンパイルする。 関連リソースの最新のコンパイルは、プロジェクトのWebサイトにある。
  論文  参考訳（メタデータ） (2024-09-27T08:17:53Z)
• MetaAgents: Simulating Interactions of Human Behaviors for LLM-based Task-oriented Coordination via Collaborative Generative Agents [27.911816995891726]
  我々は,一貫した行動パターンと課題解決能力を備えたLLMベースのエージェントを,協調的生成エージェントとして導入する。 本研究では,人間のような推論能力と専門的スキルを備えた協調生成エージェントを実現する新しい枠組みを提案する。 我々の研究は、タスク指向の社会シミュレーションにおける大規模言語モデルの役割と進化に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-10-10T10:17:58Z)
• Optimal task and motion planning and execution for human-robot multi-agent systems in dynamic environments [54.39292848359306]
  本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。 このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。 ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-27T01:50:45Z)
• A Unified Architecture for Dynamic Role Allocation and Collaborative Task Planning in Mixed Human-Robot Teams [0.0]
  任意のサイズの混合ロボットチームにおいて,動的役割割り当てと協調作業計画のための新しいアーキテクチャを提案する。 このアーキテクチャは、動作木(BT)に基づく集中型リアクティブかつモジュール型タスク非依存の計画手法を基盤としている。 MILPコストとして使用されるさまざまなメトリクスにより、アーキテクチャはコラボレーションの様々な側面を好むことができる。
  論文  参考訳（メタデータ） (2023-01-19T12:30:56Z)
• LDSA: Learning Dynamic Subtask Assignment in Cooperative Multi-Agent Reinforcement Learning [122.47938710284784]
  協調型MARLにおける動的サブタスク代入(LDSA)を学習するための新しいフレームワークを提案する。 エージェントを異なるサブタスクに合理的に割り当てるために,能力に基づくサブタスク選択戦略を提案する。 LDSAは、より優れたコラボレーションのために、合理的で効果的なサブタスクの割り当てを学習していることを示す。
  論文  参考訳（メタデータ） (2022-05-05T10:46:16Z)
• Exploring the Role of Task Transferability in Large-Scale Multi-Task Learning [28.104054292437525]
  マルチタスク表現学習におけるタスクのスケールと関連性の影響を解消する。 目標タスクが事前に分かっている場合、関連するタスクのより小さなセットでのトレーニングは、大規模なマルチタスクトレーニングと競合する。
  論文  参考訳（メタデータ） (2022-04-23T18:11:35Z)
• Multi-Agent Policy Transfer via Task Relationship Modeling [28.421365805638953]
  我々は、タスク間の共通構造を発見し、活用し、より効率的な転送を試みる。 本稿では,タスクの共通空間として効果に基づくタスク表現を学習する。 その結果,提案手法は,学習した協調知識をいくつかのソースタスクの学習後に新しいタスクに伝達するのに役立つ。
  論文  参考訳（メタデータ） (2022-03-09T01:49:21Z)
• Dynamic Human-Robot Role Allocation based on Human Ergonomics Risk Prediction and Robot Actions Adaptation [35.91053423341299]
  本研究では,人ロボット協調作業における作業者に対して,組立戦略の最適化と作業の分散を行う新しい手法を提案する。 提案手法は,作業者にとって安全かつ人間工学的な条件を確保するために,タスク割り当てプロセスの制御に成功している。
  論文  参考訳（メタデータ） (2021-11-05T17:29:41Z)
• LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task Activities [119.88381048477854]
  LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。 我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。 この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
  論文  参考訳（メタデータ） (2020-07-31T00:13:54Z)
• Adaptive Procedural Task Generation for Hard-Exploration Problems [78.20918366839399]
  ハード探索問題における強化学習を容易にするために,適応手続きタスク生成(APT-Gen)を導入する。 私たちのアプローチの中心は、ブラックボックスの手続き生成モジュールを通じてパラメータ化されたタスク空間からタスクを作成することを学習するタスクジェネレータです。 学習進捗の直接指標がない場合のカリキュラム学習を可能にするために,生成したタスクにおけるエージェントのパフォーマンスと,対象タスクとの類似性をバランスさせてタスクジェネレータを訓練することを提案する。
  論文  参考訳（メタデータ） (2020-07-01T09:38:51Z)
• Too many cooks: Bayesian inference for coordinating multi-agent collaboration [55.330547895131986]
  協調には、エージェントが行動を調整する必要がある。 人間が協力する能力の根底にあるのは、他人を行動させる隠された精神状態を予測する能力である。 これらの能力を備えた分散型マルチエージェント学習機構であるベイズデリゲーションを開発した。
  論文  参考訳（メタデータ） (2020-03-26T07:43:13Z)

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。