論文の概要: Bridging the Gap in Hybrid Decision-Making Systems

• arxiv url: http://arxiv.org/abs/2409.19415v1
• Date: Sat, 28 Sep 2024 17:14:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 23:29:10.261171
• Title: Bridging the Gap in Hybrid Decision-Making Systems
• Title（参考訳）: ハイブリッド意思決定システムにおけるギャップのブリッジ化
• Authors: Federico Mazzoni, Roberto Pellungrini, Riccardo Guidotti,
• Abstract要約: ハイブリッド意思決定のための新しいヒューマン・イン・ザ・ループシステムBRIDGETを紹介する。 BRIDGETは、マシンか人間のどちらかが担当すべきタイミングを理解し、2つのステータスを動的に切り替える。 BRIDGETは、ユーザに対して懐疑的なスタンスを仮定し、提案を提供するマシンラーニングモデルを持つか、あるいは自身でユーザを呼び戻すかのどちらかだ。
• 参考スコア（独自算出の注目度）: 6.083234045523297
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce BRIDGET, a novel human-in-the-loop system for hybrid decision-making, aiding the user to label records from an un-labeled dataset, attempting to ``bridge the gap'' between the two most popular Hybrid Decision-Making paradigms: those featuring the human in a leading position, and the other with a machine making most of the decisions. BRIDGET understands when either a machine or a human user should be in charge, dynamically switching between two statuses. In the different statuses, BRIDGET still fosters the human-AI interaction, either having a machine learning model assuming skeptical stances towards the user and offering them suggestions, or towards itself and calling the user back. We believe our proposal lays the groundwork for future synergistic systems involving a human and a machine decision-makers.
• Abstract（参考訳）: BRIDGETはハイブリッド意思決定のための新しいヒューマン・イン・ザ・ループシステムであり、ユーザがラベルのないデータセットからレコードにラベルを付けるのを手助けし、最も人気のある2つのハイブリッド意思決定パラダイムの「ギャップを埋める」ことを試みている。 BRIDGETは、マシンか人間のどちらかが担当すべきタイミングを理解し、2つのステータスを動的に切り替える。 BRIDGETは、ユーザに対して懐疑的なスタンスを仮定し、提案を提供するマシンラーニングモデルを持つか、あるいは自身でユーザを呼び戻すかのどちらかだ。 我々の提案は、人間と機械の意思決定者を含む将来の相乗的システムの基礎を成していると信じている。

関連論文リスト

• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• Hacking a surrogate model approach to XAI [49.1574468325115]
  識別されたサブグループがブラックボックスADMシステムから肯定的な決定を下さない場合でも、対応するグループメンバーシップの問題は、必要に応じて低いレベルまで押し下げることができることを示す。 我々のアプローチは、他の代理モデルに容易に一般化できる。
  論文  参考訳（メタデータ） (2024-06-24T13:18:02Z)
• Summary Paper: Use Case on Building Collaborative Safe Autonomous Systems-A Robotdog for Guiding Visually Impaired People [0.515747113318837]
  これは、スマートな交差点のような複雑な環境で視覚障害者を誘導するロボットドッグのユースケースである。 私たちは、同じ環境で動作しているRobotdogと他の自律システム間のデータ共有とコラボレーションを活用しています。
  論文  参考訳（メタデータ） (2024-03-02T18:59:03Z)
• AI, Meet Human: Learning Paradigms for Hybrid Decision Making Systems [4.936180840622583]
  人間は現在、機械学習ベースのシステムと常に対話し、毎日モデルをトレーニングし、使用しています。 コンピュータサイエンス文学におけるいくつかの異なる技術は、人間の機械学習システムとの相互作用を説明するが、その分類は小さく、目的は様々である。 本調査では,現代コンピュータ科学文献が人間と機械の相互作用をどのようにモデル化しているかを理解するための概念的および技術的枠組みを提供するハイブリッド意思決定システムの分類法を提案する。
  論文  参考訳（メタデータ） (2024-02-09T09:54:01Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• Continuous ErrP detections during multimodal human-robot interaction [2.5199066832791535]
  我々は,シミュレーションロボットが音声やジェスチャーを通じて人間とコミュニケーションする,マルチモーダルなヒューマンロボットインタラクション(HRI)シナリオを実装した。 人間のパートナーは、ロボットが選択した動作(ポインティングジェスチャー)とロボットの口頭発表(意図)が一致しているかを評価する。 脳波で明らかな、人間によるロボット行動の本質的な評価は、リアルタイムで記録され、オンラインで連続的にセグメンテーションされ、非同期に分類された。
  論文  参考訳（メタデータ） (2022-07-25T15:39:32Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Towards Personalized Explanation of Robot Path Planning via User Feedback [1.7231251035416644]
  本稿では,ユーザフィードバックによるロボット経路計画のパーソナライズされた説明を生成するシステムを提案する。 このシステムは、ユーザのインタラクションを通じて、任意の好みの競合を検出し、解決することができる。
  論文  参考訳（メタデータ） (2020-11-01T15:10:43Z)

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。