論文の概要: Advancing Human-Machine Teaming: Concepts, Challenges, and Applications

• arxiv url: http://arxiv.org/abs/2503.16518v1
• Date: Sun, 16 Mar 2025 19:32:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-30 07:31:53.133028
• Title: Advancing Human-Machine Teaming: Concepts, Challenges, and Applications
• Title（参考訳）: 人間-機械チームの改善: 概念、課題、応用
• Authors: Dian Chen, Han Jun Yoon, Zelin Wan, Nithin Alluru, Sang Won Lee, Richard He, Terrence J. Moore, Frederica F. Nelson, Sunghyun Yoon, Hyuk Lim, Dan Dongseong Kim, Jin-Hee Cho,
• Abstract要約: HMT(Human-Machine Teaming)は、AIによる意思決定、信頼キャリブレーション、適応的なチーム編成を統合することで、防衛、医療、自律システムといったドメイン間のコラボレーションに革命をもたらしている。 本調査では,HMTの包括的分類法を示し,強化学習,インスタンスベース学習,相互依存理論などの理論モデルを学際的方法論とともに分析した。
• 参考スコア（独自算出の注目度）: 11.61824291102382
• License:
• Abstract: Human-Machine Teaming (HMT) is revolutionizing collaboration across domains such as defense, healthcare, and autonomous systems by integrating AI-driven decision-making, trust calibration, and adaptive teaming. This survey presents a comprehensive taxonomy of HMT, analyzing theoretical models, including reinforcement learning, instance-based learning, and interdependence theory, alongside interdisciplinary methodologies. Unlike prior reviews, we examine team cognition, ethical AI, multi-modal interactions, and real-world evaluation frameworks. Key challenges include explainability, role allocation, and scalable benchmarking. We propose future research in cross-domain adaptation, trust-aware AI, and standardized testbeds. By bridging computational and social sciences, this work lays a foundation for resilient, ethical, and scalable HMT systems.
• Abstract（参考訳）: HMT(Human-Machine Teaming)は、AIによる意思決定、信頼キャリブレーション、適応的なチーム編成を統合することで、防衛、医療、自律システムといったドメイン間のコラボレーションに革命をもたらしている。 本調査では,HMTの包括的分類法を示し,強化学習,インスタンスベース学習,相互依存理論などの理論モデルを学際的方法論とともに分析した。 事前のレビューとは異なり、チーム認知、倫理的AI、マルチモーダルインタラクション、実世界の評価フレームワークについて検討する。 主な課題は、説明可能性、ロール割り当て、スケーラブルなベンチマークである。 我々は、クロスドメイン適応、信頼を意識したAI、標準化されたテストベッドに関する将来の研究を提案する。 計算科学と社会科学をブリッジすることで、この研究はレジリエンス、倫理的、スケーラブルなHMTシステムの基礎を築いた。

関連論文リスト

• Evaluating Human-AI Collaboration: A Review and Methodological Framework [4.41358655687435]
  人間-AIコラボレーション(Human-AI Collaboration、HAIC)として知られる個人との作業環境における人工知能(AI)の利用が不可欠である。 HAICの有効性を評価することは、関連するコンポーネントの複雑な相互作用のため、依然として困難である。 本稿では,既存のHAIC評価手法を詳細に分析し,これらのシステムをより効果的に評価するための新しいパラダイムを開発する。
  論文  参考訳（メタデータ） (2024-07-09T12:52:22Z)
• Towards Bidirectional Human-AI Alignment: A Systematic Review for Clarifications, Framework, and Future Directions [101.67121669727354]
  近年のAIの進歩は、AIシステムを意図された目標、倫理的原則、個人とグループの価値に向けて導くことの重要性を強調している。 人間のAIアライメントの明確な定義とスコープの欠如は、このアライメントを達成するための研究領域間の共同作業を妨げる、大きな障害となる。 我々は、2019年から2024年1月までに400以上の論文を体系的にレビューし、HCI(Human-Computer Interaction)、自然言語処理(NLP)、機械学習(ML)といった複数の分野にまたがって紹介する。
  論文  参考訳（メタデータ） (2024-06-13T16:03:25Z)
• Explainable Interface for Human-Autonomy Teaming: A Survey [12.26178592621411]
  本稿では,HATシステムにおける説明可能なインタフェース(EI)の未探索領域について考察する。 我々は,XAI強化HATシステムにおけるEIの設計,開発,評価について検討する。 私たちは、HATのユニークな課題に対処する、EIのための新しいフレームワークにコントリビュートします。
  論文  参考訳（メタデータ） (2024-05-04T06:35:38Z)
• AI, Meet Human: Learning Paradigms for Hybrid Decision Making Systems [4.601015478220558]
  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)
• Understanding the Application of Utility Theory in Robotics and Artificial Intelligence: A Survey [5.168741399695988]
  このユーティリティは、経済学、ゲーム理論、およびオペレーション研究において、ロボティクスとAI分野においても統一された概念である。 本稿では,エージェントのインタラクション間の相互関係を記述し,評価するためのユーティリティ指向の要求パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-06-15T18:55:48Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• A Brief Guide to Designing and Evaluating Human-Centered Interactive Machine Learning [3.685480240534955]
  インタラクティブ機械学習(Interactive Machine Learning, IML)は、意思決定システムにおいて、人間と計算能力の両方を活用する方法を研究する研究分野である。 このガイドは、相互作用する人間の健康、安全、幸福に責任を持つ機械学習の実践者が使用することを意図している。
  論文  参考訳（メタデータ） (2022-04-20T17:05:09Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
  我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。 本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
  論文  参考訳（メタデータ） (2021-12-03T12:10:26Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)

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。