論文の概要: Human-Machine Teaming for UAVs: An Experimentation Platform
- arxiv url: http://arxiv.org/abs/2312.11718v1
- Date: Mon, 18 Dec 2023 21:35:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 17:47:20.196175
- Title: Human-Machine Teaming for UAVs: An Experimentation Platform
- Title(参考訳): UAVのための人間-機械チーム:実験プラットフォーム
- Authors: Laila El Moujtahid and Sai Krishna Gottipati and Clod\'eric Mars and
Matthew E. Taylor
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 6.809734620480709
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Full automation is often not achievable or desirable in critical systems with
high-stakes decisions. Instead, human-AI teams can achieve better results. To
research, develop, evaluate, and validate algorithms suited for such teaming,
lightweight experimentation platforms that enable interactions between humans
and multiple AI agents are necessary. However, there are limited examples of
such platforms for defense environments. To address this gap, we present the
Cogment human-machine teaming experimentation platform, which implements
human-machine teaming (HMT) use cases that features heterogeneous multi-agent
systems and can involve learning AI agents, static AI agents, and humans. It is
built on the Cogment platform and has been used for academic research,
including work presented at the ALA workshop at AAMAS this year [1]. With this
platform, we hope to facilitate further research on human-machine teaming in
critical systems and defense environments.
- Abstract(参考訳): 完全自動化は、高スループットの決定を持つクリティカルなシステムでは実現可能でも望ましいものでもない。
代わりに、人間-AIチームはより良い結果を得ることができます。
このようなコラボレーションに適したアルゴリズムを研究、開発、評価、検証するには、人間と複数のAIエージェント間の相互作用を可能にする軽量な実験プラットフォームが必要である。
しかし、そのような防衛環境の例は限られている。
このギャップに対処するために,我々は,多種多様なマルチエージェントシステムを備え,aiエージェント,静的aiエージェント,人間を学習できるヒューマンマシンチーム(hmt)ユースケースを実装する,cogment human-machine teaming experimentation platformを提案する。
Cogmentプラットフォーム上に構築されており、学術研究に使われており、今年AAMASのALAワークショップで発表された作品[1]を含む。
このプラットフォームにより、重要なシステムや防衛環境における人間と機械の連携に関するさらなる研究が促進されることを願っている。
関連論文リスト
- Human-AI Collaboration in Real-World Complex Environment with
Reinforcement Learning [8.465957423148657]
人間からの学習は効果的であり、人間とAIのコラボレーションは、人間の制御された完全に自律的なAIエージェントよりも優れていることを示す。
我々は,AIエージェントを効果的に支援するためのユーザインタフェースを開発した。
論文 参考訳(メタデータ) (2023-12-23T04:27:24Z) - 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) - ProAgent: Building Proactive Cooperative Agents with Large Language
Models [89.53040828210945]
ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。
ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。
ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
論文 参考訳(メタデータ) (2023-08-22T10:36:56Z) - 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) - Copiloting Autonomous Multi-Robot Missions: A Game-inspired Supervisory
Control Interface [8.05901693109037]
ゲームに触発されたインタフェース、自律ミッションアシスタントを導入し、異種マルチエージェントシステムを用いてそれらをテストおよびデプロイする。
この作業により、マルチエージェントシステムのヒューマン・スーパーバイザリー制御が改善され、アプリケーションの切り替え、タスク計画、実行、検証のオーバーヘッドが軽減される。
論文 参考訳(メタデータ) (2022-04-13T21:54:31Z) - 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) - Teaming up with information agents [0.0]
我々の目的は、人間が情報エージェントとどのように協力できるかを研究することである。
適切なチームデザインパターンを提案し、CIA(Collaborative Intelligence Analysis)ツールを使用してそれらをテストします。
論文 参考訳(メタデータ) (2021-01-15T14:26:12Z) - Watch-And-Help: A Challenge for Social Perception and Human-AI
Collaboration [116.28433607265573]
我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。
WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。
マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
論文 参考訳(メタデータ) (2020-10-19T21:48:31Z) - 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) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳(メタデータ) (2020-04-27T19:06:28Z)
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。