論文の概要: Characterizing Novelty in the Military Domain
- arxiv url: http://arxiv.org/abs/2302.12314v1
- Date: Thu, 23 Feb 2023 20:21:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-27 15:28:56.541796
- Title: Characterizing Novelty in the Military Domain
- Title（参考訳）: 軍藩の目新しさを特徴付けること
- Authors: Theresa Chadwick, James Chao, Christianne Izumigawa, George Galdorisi,
Hector Ortiz-Pena, Elias Loup, Nicholas Soultanian, Mitch Manzanares, Adrian
Mai, Richmond Yen, and Douglas S. Lange
- Abstract要約: 運用において、リッチな環境は、トレーニングセットやエンジニアリングモデルで説明されていない課題を提示する可能性が高い。
国防高等研究計画局(DARPA)のプログラムは、新規性に堅牢なエージェントの開発を目指している。
この能力は、ミッションクリティカルな環境の中でAIが想定される役割の前に必要となる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A critical factor in utilizing agents with Artificial Intelligence (AI) is
their robustness to novelty. AI agents include models that are either
engineered or trained. Engineered models include knowledge of those aspects of
the environment that are known and considered important by the engineers.
Learned models form embeddings of aspects of the environment based on
connections made through the training data. In operation, however, a rich
environment is likely to present challenges not seen in training sets or
accounted for in engineered models. Worse still, adversarial environments are
subject to change by opponents. A program at the Defense Advanced Research
Project Agency (DARPA) seeks to develop the science necessary to develop and
evaluate agents that are robust to novelty. This capability will be required,
before AI has the role envisioned within mission critical environments. As part
of the Science of AI and Learning for Open-world Novelty (SAIL-ON), we are
mapping possible military domain novelty types to a domain-independent ontology
developed as part of a theory of novelty. Characterizing the possible space of
novelty mathematically and ontologically will allow us to experiment with agent
designs that are coming from the DARPA SAIL-ON program in relevant military
environments. Utilizing the same techniques as being used in laboratory
experiments, we will be able to measure agent ability to detect, characterize,
and accommodate novelty.
- Abstract（参考訳）: 人工知能(ai)でエージェントを利用する上で重要な要因は、その新規性に対する堅牢性である。
aiエージェントには、エンジニアかトレーニングされたモデルが含まれる。
工学モデルには、エンジニアによって知られ、重要と見なされる環境のこれらの側面に関する知識が含まれる。
学習されたモデルは、トレーニングデータによる接続に基づいて、環境の側面の埋め込みを形成する。
しかし、運用環境では、リッチな環境はトレーニングセットやエンジニアリングされたモデルで見られるような課題を提示しがちである。
さらに悪いことに、敵対的な環境は相手によって変わることになる。
国防高等研究計画局(DARPA)のプログラムは、新規性に堅牢なエージェントの開発と評価に必要な科学の開発を目指している。
この能力は、ミッションクリティカルな環境の中でAIが想定される役割の前に必要となる。
aiの科学とオープンワールドノベルティのための学習(sail-on)の一環として、我々は可能な軍事ドメインノベルティタイプをノベルティ理論の一部として開発されたドメインに依存しないオントロジーにマッピングしている。
数学的および存在論的にノベルティの空間を特徴づけることで、DARPA SAIL-ONプログラムから得られたエージェント設計を、関連する軍事環境で実験することができる。
実験室で使用されているのと同じ技術を用いて、新規性を検出し、特徴付けし、適応するエージェント能力を測定することができる。
関連論文リスト
- Probing for Consciousness in Machines [3.196204482566275]
本研究は, 人工エージェントが中核意識を発達させる可能性を探るものである。
中心意識の出現は、感情や感情の表現によって知らされる自己モデルと世界モデルの統合に依存している。
その結果,エージェントは初歩的な世界と自己モデルを形成することができ,機械意識の発達への道筋が示唆された。
論文 参考訳（メタデータ） (2024-11-25T10:27:07Z) - EmbodiedCity: A Benchmark Platform for Embodied Agent in Real-world City Environment [38.14321677323052]
身体的人工知能は、エージェントの身体が人間のような行動を引き起こす役割を強調している。
本稿では,実環境におけるインテリジェンス評価のためのベンチマークプラットフォームを構築する。
論文 参考訳（メタデータ） (2024-10-12T17:49:26Z) - Embodied Neuromorphic Artificial Intelligence for Robotics: Perspectives, Challenges, and Research Development Stack [7.253801704452419]
スパイキングニューラルネットワーク(SNN)によるニューロモルフィックコンピューティングの最近の進歩は、ロボット工学の具体的インテリジェンスを可能にする可能性を実証している。
本稿では, ロボットシステムにおいて, エンボディ型ニューロモーフィックAIを実現する方法について考察する。
論文 参考訳（メタデータ） (2024-04-04T09:52:22Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - On the Emergence of Symmetrical Reality [51.21203247240322]
物理仮想アマルガメーションの様々な形態を包含した統一表現を提供する対称現実感フレームワークを導入する。
我々は、対称現実の潜在的な応用を示すAI駆動型アクティブアシストサービスの例を提案する。
論文 参考訳（メタデータ） (2024-01-26T16:09:39Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳（メタデータ） (2024-01-07T19:11:18Z) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳（メタデータ） (2023-09-14T17:12:03Z) - 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) - OPEn: An Open-ended Physics Environment for Learning Without a Task [132.6062618135179]
オープンエンドな物理環境で学んだ世界のモデルが、特定のタスクを伴わずに、下流の物理推論タスクに再利用できるかどうかについて検討する。
我々は,OPEn(Open-ended Physics ENvironment)のベンチマークを構築し,この環境における学習表現をテストするためのいくつかのタスクを明示的に設計する。
その結果、教師なしのコントラスト学習を表現学習に用いたエージェントと、探索のためのインパクト駆動学習が最良の結果となった。
論文 参考訳（メタデータ） (2021-10-13T17:48:23Z) - 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)
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。