Fugu-MT 論文翻訳(概要): Framing Relevance for Safety-Critical Autonomous Systems

論文の概要: Framing Relevance for Safety-Critical Autonomous Systems

arxiv url: http://arxiv.org/abs/2307.14355v1
Date: Sun, 23 Jul 2023 18:41:11 GMT
ステータス: 処理完了
システム内更新日: 2023-07-28 19:11:34.981049
Title: Framing Relevance for Safety-Critical Autonomous Systems
Title（参考訳）: 安全クリティカル自律システムのフレーミング関連
Authors: Astrid Rakow
Abstract要約: 私たちは、ビルトインの信念を持ち、環境を認識し、情報を交換する、高度に自律的なシステムを構築する過程にあります。私たちの研究の目標は、現在のミッションで安全クリティカルな自律システムに関連するものを決定するための正式なアプローチを開発することです。
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 are in the process of building complex highly autonomous systems that have build-in beliefs, perceive their environment and exchange information. These systems construct their respective world view and based on it they plan their future manoeuvres, i.e., they choose their actions in order to establish their goals based on their prediction of the possible futures. Usually these systems face an overwhelming flood of information provided by a variety of sources where by far not everything is relevant. The goal of our work is to develop a formal approach to determine what is relevant for a safety critical autonomous system at its current mission, i.e., what information suffices to build an appropriate world view to accomplish its mission goals.
Abstract（参考訳）: 私たちは、構築された信念を持ち、環境を知覚し、情報を交換する複雑な高度に自律的なシステムを構築する過程にあります。これらのシステムはそれぞれの世界観を構築し、それに基づいて将来の計画、すなわち、将来の予測に基づいて目標を確立するために行動を選択する。通常、これらのシステムは、すべてが関連しない様々な情報源によって提供される膨大な情報に直面している。我々の研究の目的は、現在のミッションにおいて安全クリティカルな自律システムに関連するものを決定するための公式なアプローチを開発することであり、すなわち、ミッション目標を達成するために適切な世界観を構築するのに十分な情報である。

関連論文リスト

Cognitive Kernel: An Open-source Agent System towards Generalist Autopilots [54.55088169443828]
我々は,ジェネラリストオートパイロットの目標に向けて,オープンソースのエージェントシステムであるCognitive Kernelを紹介する。主にユーザーに依存して必要な状態情報を提供する自動操縦システムとは異なり、自動操縦システムは独立してタスクを完了しなければならない。これを実現するために、自動操縦システムでは、ユーザの意図を理解し、様々な現実世界の情報源から必要な情報を積極的に収集し、賢明な判断をする必要がある。
論文参考訳（メタデータ） (2024-09-16T13:39:05Z)
Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文参考訳（メタデータ） (2022-05-16T10:43:01Z)
Systems Challenges for Trustworthy Embodied Systems [0.0]
エンボディシステムと呼ばれる、ますます自律的かつ自律的な新世代のシステムの開発が進んでいる。実施されたシステムの振る舞いを有益な方法で調整し、人間中心の社会的価値との整合性を確保し、安全で信頼性の高い人間と機械の相互作用を設計することが不可欠である。我々は、急進的なシステム工学が組み込みシステムからエンボディドシステムへの気候に到達し、状況を認識し、意図的に駆動され、爆発的に進化し、ほとんど予測不可能で、ますます自律的なエンボディドシステムのダイナミックフェデレーションの信頼性を保証していると論じている。
論文参考訳（メタデータ） (2022-01-10T15:52:17Z)
Individual and Collective Autonomous Development [7.928003786376716]
我々は,先進的な知識をほとんどあるいは全く持たずに,進化する状況に対処し適応する方法を動的に学ぶ必要があると想定している。本稿では、ICTシステムにおける自律的開発というビジョンを紹介し、その鍵となる概念をフレーミングし、適切なアプリケーションドメインを図示する。
論文参考訳（メタデータ） (2021-09-23T09:11:24Z)
Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文参考訳（メタデータ） (2021-07-28T10:28:05Z)
Identifying Roles, Requirements and Responsibilities in Trustworthy AI Systems [2.28438857884398]
我々は、ドメインの実践者の視点からAIシステムを検討し、システムデプロイメントに関与する重要な役割を特定します。各役割の異なる要件と責任を考慮し、対処すべき透明性とプライバシの緊張関係を特定します。
論文参考訳（メタデータ） (2021-06-15T16:05:10Z)
Adaptive Autonomy in Human-on-the-Loop Vision-Based Robotics Systems [16.609594839630883]
コンピュータビジョンのアプローチは、自律ロボットシステムによって意思決定の指針として広く使われている。特に人間が監督的な役割しか果たさないHuman-on-the-loop(HoTL)システムでは、高精度が重要です。適応的自律性レベルに基づくソリューションを提案し,これらのモデルの信頼性の低下を検出する。
論文参考訳（メタデータ） (2021-03-28T05:43:10Z)
Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。信頼された実行環境を用いたAIシステムの機会と課題を強調します。我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文参考訳（メタデータ） (2020-08-10T23:05:55Z)
Technologies for Trustworthy Machine Learning: A Survey in a Socio-Technical Context [4.866589122417036]
システム特性の4つのカテゴリは、公正性、説明可能性、監査可能性、安全性とセキュリティ(FEAS)という政策目標を達成するのに役立ちます。我々は、データ収集から実行時モデル推論まで、これらの特性がどのように機械学習ライフサイクルの全段階にわたって考慮されるべきかについて議論する。我々は、信頼性の高い機械学習技術と個人や社会へのその影響との関係に特に焦点をあてて、オープンな研究課題の特定を結論付けた。
論文参考訳（メタデータ） (2020-07-17T11:39:20Z)
Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文参考訳（メタデータ） (2020-07-14T05:25:15Z)
Toward Trustworthy AI Development: Mechanisms for Supporting Verifiable Claims [59.64274607533249]
AI開発者は、責任を負うことのできる検証可能な主張をする必要がある。このレポートは、さまざまな利害関係者がAIシステムに関するクレームの妥当性を改善するための様々なステップを示唆している。我々は、この目的のための10のメカニズム、すなわち、組織、ソフトウェア、ハードウェアを分析し、それらのメカニズムの実装、探索、改善を目的とした推奨を行う。
論文参考訳（メタデータ） (2020-04-15T17:15:35Z)

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。