論文の概要: Designing for Meaningful Human Control in Military Human-Machine Teams
- arxiv url: http://arxiv.org/abs/2305.11892v1
- Date: Fri, 12 May 2023 13:10:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-28 05:31:25.461961
- Title: Designing for Meaningful Human Control in Military Human-Machine Teams
- Title（参考訳）: 人・機械チームにおける有意義な人的制御の設計
- Authors: Jurriaan van Diggelen, Karel van den Bosch, Mark Neerincx, Marc Steen
- Abstract要約: 我々は,HMT(Human-machine Teaming)の観点から,防衛技術における意味のある人的制御(MHC)の分析,設計,評価手法を提案する。
私たちのアプローチは3つの原則に基づいています。まず第一に、MHCは分析、設計、評価のすべてのフェーズを導く中核的な目標と見なされるべきです。第二に、MHCは人間、機械、AI、インタラクション、コンテキストを含む社会技術システムのすべての部分に影響を与えます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose methods for analysis, design, and evaluation of Meaningful Human
Control (MHC) for defense technologies from the perspective of military
human-machine teaming (HMT). Our approach is based on three principles.
Firstly, MHC should be regarded as a core objective that guides all phases of
analysis, design and evaluation. Secondly, MHC affects all parts of the
socio-technical system, including humans, machines, AI, interactions, and
context. Lastly, MHC should be viewed as a property that spans longer periods
of time, encompassing both prior and realtime control by multiple actors. To
describe macrolevel design options for achieving MHC, we propose various Team
Design Patterns. Furthermore, we present a case study, where we applied some of
these methods to envision HMT, involving robots and soldiers in a search and
rescue task in a military context.
- Abstract（参考訳）: 我々は,HMT(Human-machine Teaming)の観点から,防衛技術における意味のある人間制御(MHC)の分析,設計,評価手法を提案する。
私たちのアプローチは3つの原則に基づいている。
まず、MHCは分析、設計、評価のすべてのフェーズを導く中核的な目標と見なされるべきである。
第2に、MHCは人間、機械、AI、インタラクション、コンテキストを含む社会技術システムのすべての部分に影響を及ぼす。
最後に、MHCは、複数のアクターによる事前制御とリアルタイム制御の両方を含む、長期間にわたるプロパティと見なされるべきである。
MHCを実現するためのマクロレベルの設計オプションを記述するために,様々なチームデザインパターンを提案する。
さらに,これらの手法のいくつかをhmtの想定に応用し,軍事的文脈でロボットや兵士を捜索救助タスクに投入するケーススタディを行った。
関連論文リスト
- Human-Machine Teaming for UAVs: An Experimentation Platform [6.809734620480709]
本稿では,Cogmentの人間-機械協調実験プラットフォームについて紹介する。
学習AIエージェント、静的AIエージェント、人間を含むことができるHMT(Human-machine Teaming)のユースケースを実装している。
我々は,重要なシステムと防衛環境における人間と機械の連携について,さらなる研究を進めたい。
論文 参考訳（メタデータ） (2023-12-18T21:35:02Z) - ThinkBot: Embodied Instruction Following with Thought Chain Reasoning [66.09880459084901]
EIF(Embodied Instruction following)は、複雑な環境下でオブジェクトを相互作用させることで、エージェントが人間の指示を完了させる。
我々は,人間の指導における思考連鎖を原因とした思考ボットを提案し,その不足した行動記述を復元する。
私たちのThinkBotは、成功率と実行効率の両面で、最先端のEIFメソッドよりも大きなマージンで優れています。
論文 参考訳（メタデータ） (2023-12-12T08:30:09Z) - Improving the State of the Art for Training Human-AI Teams: Technical
Report #1 -- Results of Subject-Matter Expert Knowledge Elicitation Survey [0.0]
Sonalystsは、人間とAIチームのトレーニングを探求する社内イニシアチブを開始した。
JADC(Joint All-Domain Command and Control)をフォーカスポイントとして使用することにしました。
我々は、JADC2に関連するチーム編成の課題を具体化したSTE開発に関する洞察を得るために、コマンド・アンド・コントロールの経験を持つ多くのSMEに取り組みました。
論文 参考訳（メタデータ） (2023-08-29T13:42:52Z) - Next Steps for Human-Centered Generative AI: A Technical Perspective [107.74614586614224]
我々はHuman-centered Generative AI(HGAI)の次のステップを提案する。
これらの次のステップを特定することで、HGAIにおける創発的なアイデアの一貫性を追求するため、学際的な研究チームを引き出すつもりです。
論文 参考訳（メタデータ） (2023-06-27T19:54:30Z) - UniHCP: A Unified Model for Human-Centric Perceptions [75.38263862084641]
我々は、人間中心知覚のための統一モデル(UniHCP)を提案する。
UniHCPは、単純なエンドツーエンドで広範囲の人間中心のタスクをプレーンビジョントランスフォーマーアーキテクチャと統合する。
33の人間中心のデータセットで大規模な共同トレーニングを行うことで、UniHCPは直接評価によって強いベースラインを上回ります。
論文 参考訳（メタデータ） (2023-03-06T07:10:07Z) - On some Foundational Aspects of Human-Centered Artificial Intelligence [52.03866242565846]
人間中心人工知能(Human Centered Artificial Intelligence)の意味については明確な定義はない。
本稿では,AIコンポーネントを備えた物理・ソフトウェア計算エージェントを指すHCAIエージェントについて紹介する。
HCAIエージェントの概念は、そのコンポーネントや機能とともに、人間中心のAIに関する技術的および非技術的議論を橋渡しする手段であると考えています。
論文 参考訳（メタデータ） (2021-12-29T09:58:59Z) - Human-Centered AI for Data Science: A Systematic Approach [48.71756559152512]
HCAI(Human-Centered AI)は、さまざまなヒューマンタスクをサポートするAI技術の設計と実装を目的とした研究活動である。
データサイエンス(DS)に関する一連の研究プロジェクトを使ってHCAIにどのようにアプローチするかをケーススタディとして紹介する。
論文 参考訳（メタデータ） (2021-10-03T21:47:13Z) - Learning to Complement Humans [67.38348247794949]
オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。
我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
論文 参考訳（メタデータ） (2020-05-01T20:00:23Z)
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。