論文の概要: Taxonomy of A Decision Support System for Adaptive Experimental Design
in Field Robotics
- arxiv url: http://arxiv.org/abs/2210.08397v1
- Date: Sat, 15 Oct 2022 23:28:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 21:15:44.495323
- Title: Taxonomy of A Decision Support System for Adaptive Experimental Design
in Field Robotics
- Title(参考訳): フィールドロボティクスにおける適応型実験設計のための意思決定支援システムの分類
- Authors: Jason M. Gregory, Sarah Al-Hussaini, Ali-akbar Agha-mohammadi,
Satyandra K. Gupta
- Abstract要約: 本研究では,人間の意思決定能力を増幅し,フィールド実験における意思決定の原則を実現するための意思決定支援システム(DSS)を提案する。
我々は、人工知能とインテリジェントDSSを含む研究を含むDSS文献の事例と傾向を用いて、分類学を構築し、提示する。
- 参考スコア(独自算出の注目度): 19.474298062145003
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Experimental design in field robotics is an adaptive human-in-the-loop
decision-making process in which an experimenter learns about system
performance and limitations through interactions with a robot in the form of
constructed experiments. This can be challenging because of system complexity,
the need to operate in unstructured environments, and the competing objectives
of maximizing information gain while simultaneously minimizing experimental
costs. Based on the successes in other domains, we propose the use of a
Decision Support System (DSS) to amplify the human's decision-making abilities,
overcome their inherent shortcomings, and enable principled decision-making in
field experiments. In this work, we propose common terminology and a six-stage
taxonomy of DSSs specifically for adaptive experimental design of more
informative tests and reduced experimental costs. We construct and present our
taxonomy using examples and trends from DSS literature, including works
involving artificial intelligence and Intelligent DSSs. Finally, we identify
critical technical gaps and opportunities for future research to direct the
scientific community in the pursuit of next-generation DSSs for experimental
design.
- Abstract(参考訳): フィールドロボティクスにおける実験設計(experimental design in field robotics)は、実験者が構築された実験の形でロボットとの相互作用を通じてシステムの性能と限界について学習する適応型人間-ループ意思決定プロセスである。
これは、システムの複雑さ、非構造化環境での運用の必要性、および、実験コストを最小化しながら情報ゲインを最大化するための競合する目的のためである。
他分野の成功を踏まえ,人間の意思決定能力を増幅し,固有の欠点を克服し,フィールド実験において原則的意思決定を可能にするための意思決定支援システム(DSS)を提案する。
そこで本研究では,dsssの一般的な用語と6段階の分類法を提案する。
我々は、人工知能やインテリジェントdssを含むdss文献の例と傾向を用いて分類法を構築し、提示する。
最後に,実験設計のための次世代DSSを追求する上で,今後の研究における重要な技術的ギャップと機会を明らかにする。
関連論文リスト
- Amortized Bayesian Experimental Design for Decision-Making [22.250312394159945]
本稿では、下流決定ユーティリティの最大化を優先する、償却決定対応のBEDフレームワークを提案する。
本稿では,新しいアーキテクチャであるTransformer Neural Decision Process (TNDP)を導入する。
提案手法は複数のタスクにまたがって性能を実証し,情報的設計を実現し,正確な意思決定を容易にすることを示す。
論文 参考訳(メタデータ) (2024-11-04T13:06:46Z) - DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。
8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。
従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
論文 参考訳(メタデータ) (2024-06-10T20:08:44Z) - MLXP: A Framework for Conducting Replicable Experiments in Python [63.37350735954699]
MLXPはPythonをベースとした,オープンソースの,シンプルで,軽量な実験管理ツールである。
実験プロセスを最小限のオーバーヘッドで合理化し、高いレベルの実践的オーバーヘッドを確保します。
論文 参考訳(メタデータ) (2024-02-21T14:22:20Z) - Adaptive Instrument Design for Indirect Experiments [48.815194906471405]
RCTとは異なり、間接的な実験は条件付き機器変数を利用して治療効果を推定する。
本稿では,データ収集ポリシーを適応的に設計することで,間接実験におけるサンプル効率の向上に向けた最初のステップについて述べる。
我々の主な貢献は、影響関数を利用して最適なデータ収集ポリシーを探索する実用的な計算手順である。
論文 参考訳(メタデータ) (2023-12-05T02:38:04Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-03T06:19:20Z) - Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。
シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文 参考訳(メタデータ) (2023-03-03T21:41:01Z) - Adaptive Experimental Design and Counterfactual Inference [20.666734673282495]
本稿では, 適応型実験システムを用いた産業環境におけるナレーションの課題と落とし穴について, 教訓を共有した。
我々は,これらの経験に基づいて,対実的推論のための適応型実験設計フレームワークを開発した。
論文 参考訳(メタデータ) (2022-10-25T22:29:16Z) - Computational Experiments: Past, Present and Future [29.515830983306966]
計算実験はCPSSの定量的解析のための新しい方法として登場した。
本稿では,起源,特徴,方法論的枠組み,鍵となる技術,典型的応用など,いくつかの重要な側面から計算実験を概説する。
論文 参考訳(メタデータ) (2022-02-28T11:18:17Z) - Implicit Deep Adaptive Design: Policy-Based Experimental Design without
Likelihoods [24.50829695870901]
暗黙のDeep Adaptive Design (iDAD) は暗黙のモデルでリアルタイムで適応実験を行う新しい手法である。
iDADは、設計ポリシーネットワークを事前学習することで、ベイズ最適設計(BOED)のコストを償却する。
論文 参考訳(メタデータ) (2021-11-03T16:24:05Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳(メタデータ) (2020-09-09T15:31:29Z) - A user-centered approach to designing an experimental laboratory data
platform [0.0]
実験的なデータプラットフォームにおいて、設計と機能の本質的な要素が何を求めているのかを理解するために、ユーザ中心のアプローチを採用しています。
リッチで複雑な実験データセットをコンテキスト化できる能力を持つことが、ユーザの主な要件であることに気付きました。
論文 参考訳(メタデータ) (2020-07-28T19:26:28Z)
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。