論文の概要: AERoS: Assurance of Emergent Behaviour in Autonomous Robotic Swarms
- arxiv url: http://arxiv.org/abs/2302.10292v1
- Date: Mon, 20 Feb 2023 20:36:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 17:09:02.771664
- Title: AERoS: Assurance of Emergent Behaviour in Autonomous Robotic Swarms
- Title(参考訳): AERoS:自律型ロボット群における創発的行動の保証
- Authors: Dhaminda B. Abeywickrama, James Wilson, Suet Lee, Greg Chance, Peter
D. Winter, Arianna Manzini, Ibrahim Habli, Shane Windsor, Sabine Hauert,
Kerstin Eder
- Abstract要約: 本稿の主な貢献は,AERoSと呼ばれる自律ロボット群における緊急行動の安全保証プロセスである。
本研究では,公営クロークルームを運用するロボット群を対象としたケーススタディを用いて,提案手法を探索する。
- 参考スコア(独自算出の注目度): 2.318699091264692
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The behaviours of a swarm are not explicitly engineered. Instead, they are an
emergent consequence of the interactions of individual agents with each other
and their environment. This emergent functionality poses a challenge to safety
assurance. The main contribution of this paper is a process for the safety
assurance of emergent behaviour in autonomous robotic swarms called AERoS,
following the guidance on the Assurance of Machine Learning for use in
Autonomous Systems (AMLAS). We explore our proposed process using a case study
centred on a robot swarm operating a public cloakroom.
- Abstract(参考訳): Swarmの動作は明示的に設計されていない。
むしろそれらは、個々のエージェント同士の相互作用と、その環境からの創発的な結果である。
この突発的な機能は安全性の保証に挑戦する。
本論文の主な貢献は,自律システム(AMLAS)における機械学習の保証に関するガイダンスに従って,自律型ロボット群(AERoS)における緊急行動の安全性を保証するプロセスである。
我々は,公開クロークルームを運用するロボット群を中心としたケーススタディを用いて,提案手法を検討する。
関連論文リスト
- Analyze Drivers' Intervention Behavior During Autonomous Driving -- A
VR-incorporated Approach [2.7532019227694344]
この研究は、自動運転車の運転に関わる人間のドライバーの介入行動を理解することに光を当てている。
仮想リアリティ(VR)と交通マイクロシミュレーションを統合する実験環境が実装された。
介入の確率、事故率などのパフォーマンス指標が定義され、リスクレベルを定量化し比較するために使用される。
論文 参考訳(メタデータ) (2023-12-04T06:36:57Z) - ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
LLM(Large Language Models)は、人間のような知性を持つ言語である。
本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。
そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
論文 参考訳(メタデータ) (2023-11-02T14:32:16Z) - Adapt On-the-Go: Behavior Modulation for Single-Life Robot Deployment [92.48012013825988]
展開中のシナリオにオンザフライで適応する問題について検討する。
ROAM(RObust Autonomous Modulation)は,事前学習した行動の知覚値に基づくメカニズムを提案する。
ROAMによりロボットはシミュレーションと実Go1の四足歩行の両方の動的変化に迅速に適応できることを示す。
論文 参考訳(メタデータ) (2023-11-02T08:22:28Z) - Deception Game: Closing the Safety-Learning Loop in Interactive Robot
Autonomy [7.915956857741506]
既存の安全手法は、ロボットが実行時に学習し適応する能力を無視することが多く、過度に保守的な行動を引き起こす。
本稿では,ロボットの進化する不確実性を明示的に考慮した安全制御ポリシを合成するための,新しいクローズドループパラダイムを提案する。
論文 参考訳(メタデータ) (2023-09-03T20:34:01Z) - Proactive Human-Robot Co-Assembly: Leveraging Human Intention Prediction
and Robust Safe Control [10.973115127845224]
本稿では,プロアクティブなロボット協調のための統合フレームワークを提案する。
頑健な意図予測モジュールが学習され、ロボットに効率的な協調を誘導する。
開発したフレームワークは,Kinova Gen3ロボットを用いた協調作業に適用される。
論文 参考訳(メタデータ) (2023-06-20T19:42:30Z) - Assurance for Autonomy -- JPL's past research, lessons learned, and
future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。
ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。
JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文 参考訳(メタデータ) (2023-05-16T18:24:12Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - A Human-Centered Safe Robot Reinforcement Learning Framework with
Interactive Behaviors [22.77567208084313]
我々は、安全探査、安全価値調整、安全コラボレーションの3段階からなる、人間中心の安全ロボットRL(SRRL)フレームワークを構想する。
対話的な行動は、人間とロボット間の双方向の情報伝達を可能にする。
対話行動を伴うSRRLの堅牢性,効率性,透明性,適応性に関する4つのオープン課題について論じる。
論文 参考訳(メタデータ) (2023-02-25T18:29:32Z) - Generalizable Human-Robot Collaborative Assembly Using Imitation
Learning and Force Control [17.270360447188196]
本稿では,実演から学び,ポーズ推定を用いたロボット協調組立システムを提案する。
提案システムでは, ロボット組立シナリオにおいて, 物理的6DoFマニピュレータを用いて実験を行った。
論文 参考訳(メタデータ) (2022-12-02T20:35:55Z) - When to Ask for Help: Proactive Interventions in Autonomous
Reinforcement Learning [57.53138994155612]
強化学習の長期的な目標は、世界で自律的に対話し学習できるエージェントを設計することである。
重要な課題は、ロボットアームが物体をテーブルから押し出したときなど、外部からの援助を必要とする不可逆状態の存在である。
本研究では,非可逆状態の検出と回避を効率よく学習し,エージェントが侵入した場合に積極的に支援を求めるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-10-19T17:57:24Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z)
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。