論文の概要: Space Trusted Autonomy Readiness Levels

• arxiv url: http://arxiv.org/abs/2210.09059v2
• Date: Mon, 24 Oct 2022 14:50:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 11:49:59.076489
• Title: Space Trusted Autonomy Readiness Levels
• Title（参考訳）: 空間信頼の自律性レベル
• Authors: Kerianne L. Hobbs, Joseph B. Lyons, Martin S. Feather, Benjamen P Bycroft, Sean Phillips, Michelle Simon, Mark Harter, Kenneth Costello, Yuri Gawdiak, Stephen Paine
• Abstract要約: 本稿では,Space Trusted Autonomy Readiness Levelsのモニカーを採用する。 宇宙利用を求める自律技術を評価する上での課題に適した2次元の準備性と信頼の尺度を特定する。
• 参考スコア（独自算出の注目度）: 1.0902761498061198
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Technology Readiness Levels are a mainstay for organizations that fund, develop, test, acquire, or use technologies. Technology Readiness Levels provide a standardized assessment of a technology's maturity and enable consistent comparison among technologies. They inform decisions throughout a technology's development life cycle, from concept, through development, to use. A variety of alternative Readiness Levels have been developed, including Algorithm Readiness Levels, Manufacturing Readiness Levels, Human Readiness Levels, Commercialization Readiness Levels, Machine Learning Readiness Levels, and Technology Commitment Levels. However, while Technology Readiness Levels have been increasingly applied to emerging disciplines, there are unique challenges to assessing the rapidly developing capabilities of autonomy. This paper adopts the moniker of Space Trusted Autonomy Readiness Levels to identify a two-dimensional scale of readiness and trust appropriate for the special challenges of assessing autonomy technologies that seek space use. It draws inspiration from other readiness levels' definitions, and from the rich field of trust and trustworthiness. The Space Trusted Autonomy Readiness Levels were developed by a collaborative Space Trusted Autonomy subgroup, which was created from The Space Science and Technology Partnership Forum between the United States Space Force, the National Aeronautics and Space Administration, and the National Reconnaissance Office.
• Abstract（参考訳）: テクノロジの準備レベルは、テクノロジを資金提供、開発、テスト、取得、あるいは使用する組織にとって、最も重要なレベルです。 技術準備レベルは、技術の成熟度を標準化し、技術間の一貫した比較を可能にする。 それらは、概念から開発まで、使用まで、技術開発ライフサイクル全体の意思決定を知らせる。 アルゴリズム即応レベル、製造即応レベル、人間即応レベル、商用化即応レベル、機械学習即応レベル、技術コミットメントレベルなど、様々な代替即応レベルが開発されている。 しかしながら、技術即応レベルが新興分野にますます適用されている一方で、急速に発展する自律性の能力を評価する上では、独特の課題がある。 本稿では,空間信頼型自律能力レベル(Space Trusted Autonomy Readiness Levels)のモニカーを用いて,空間利用を求める自律技術を評価するための特別な課題に適合する2次元の準備性と信頼の尺度を同定する。 他の準備段階の定義や、信頼と信頼性の豊かな分野から着想を得ている。 space trusted autonomous readyiness levelは、アメリカ空軍、アメリカ航空宇宙局、アメリカ国家偵察局の宇宙科学技術パートナーシップフォーラム(space science and technology partnership forum)から創設されたspace trusted autonomous subgroupによって開発された。

関連論文リスト

• Standardization Trends on Safety and Trustworthiness Technology for Advanced AI [0.0]
  大規模言語モデルと基礎モデルに基づく最近のAI技術は、人工知能に近づいたり、超えたりしている。 これらの進歩は、高度なAIの安全性と信頼性に関する懸念を引き起こしている。 AIの安全性と信頼性を確保するため、国際的に合意された標準を開発するための努力が実施されている。
  論文  参考訳（メタデータ） (2024-10-29T15:50:24Z)
• Towards LifeSpan Cognitive Systems [94.8985839251011]
  複雑な環境と継続的に対話する人間のようなシステムを構築することは、いくつかの重要な課題を提示します。 我々は、この想定されたシステムをLifeSpan Cognitive System (LSCS)と呼ぶ。 LSCSの重要な特徴は、過去の経験を維持し、正確にリコールしながら、インクリメンタルで迅速な更新を行う機能である。
  論文  参考訳（メタデータ） (2024-09-20T06:54:00Z)
• A Survey of Trustworthy Federated Learning with Perspectives on Security, Robustness, and Privacy [47.89042524852868]
  Federated Learning (FL) は,さまざまな現実のシナリオに対して,有望なソリューションとして注目されている。 しかし、データの分離とプライバシーに関する課題は、FLシステムの信頼性を脅かす。
  論文  参考訳（メタデータ） (2023-02-21T12:52:12Z)
• Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
  この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。 欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
  論文  参考訳（メタデータ） (2022-12-10T07:49:50Z)
• Artificial Intelligence and Natural Language Processing and Understanding in Space: Four ESA Case Studies [48.53582660901672]
  本稿では,空間文書から情報を自動的に抽出するための,人工知能と自然言語処理と理解に基づく方法論的枠組みを提案する。 ケーススタディはミッションデザイン、品質保証、長期データ保存、オープンスペースイノベーションプラットフォームなど、ESAのさまざまな機能領域で実装されている。
  論文  参考訳（メタデータ） (2022-10-07T15:50:17Z)
• SMART: a Technology Readiness Methodology in the Frame of the NIS Directive [0.0]
  所定の目標技術の技術準備レベル(TRL)を知ることは、コストオーバーランや製品ロールアウト遅延、早期の打ち上げ失敗といったリスクを軽減するのに有用であることが判明した。 もともとNASAによって宇宙計画のために開発されたTRLは、技術や製造会社の間で事実上の標準となった。 本研究の目的は,既存の技術準備度評価(TRA)と同一視されるギャップに対処し,標準化手法の開発によって克服することである。
  論文  参考訳（メタデータ） (2022-01-03T09:31:59Z)
• From SLAM to Situational Awareness: Challenges and Survey [0.0]
  複雑なミッションを効率的に安全に遂行する移動ロボットの能力は、環境に関する知識によって制限される。 高度な推論、意思決定、実行スキルにより、知的エージェントは未知の環境で自律的に行動することができる。 本稿では,現状のロボット工学アルゴリズムを網羅し,状況認識の諸側面について考察する。
  論文  参考訳（メタデータ） (2021-10-01T09:00:34Z)
• The Challenge of Value Alignment: from Fairer Algorithms to AI Safety [2.28438857884398]
  本稿では,AIシステムを人的価値と整合させる方法について論じる。 それは、技術と価値に関するより広い考え方の体系の中に収まる。
  論文  参考訳（メタデータ） (2021-01-15T11:03:15Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)
• Technology Readiness Levels for AI & ML [79.22051549519989]
  機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。 エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。 我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-21T17:14:34Z)

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。