論文の概要: Birds of a Different Feather Flock Together: Exploring Opportunities and Challenges in Animal-Human-Machine Teaming

• arxiv url: http://arxiv.org/abs/2504.13973v1
• Date: Thu, 17 Apr 2025 19:26:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-30 08:12:57.710784
• Title: Birds of a Different Feather Flock Together: Exploring Opportunities and Challenges in Animal-Human-Machine Teaming
• Title（参考訳）: 異なるフェザー群れの鳥たち : 動物-ヒト-マカインチームにおける機会と挑戦
• Authors: Myke C. Cohen, David A. Grimm, Reuth Mirsky, Xiaoyun Yin,
• Abstract要約: Animal-Human-Machine (AHM) チームはハイブリッドインテリジェンスシステムの一種である。 本稿では,AHMチーム構造の設計に関する体系的なアプローチを提案する。
• 参考スコア（独自算出の注目度）: 2.5986537671316268
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Animal-Human-Machine (AHM) teams are a type of hybrid intelligence system wherein interactions between a human, AI-enabled machine, and animal members can result in unique capabilities greater than the sum of their parts. This paper calls for a systematic approach to studying the design of AHM team structures to optimize performance and overcome limitations in various applied settings. We consider the challenges and opportunities in investigating the synergistic potential of AHM team members by introducing a set of dimensions of AHM team functioning to effectively utilize each member's strengths while compensating for individual weaknesses. Using three representative examples of such teams -- security screening, search-and-rescue, and guide dogs -- the paper illustrates how AHM teams can tackle complex tasks. We conclude with open research directions that this multidimensional approach presents for studying hybrid human-AI systems beyond AHM teams.
• Abstract（参考訳）: AHM(Animal-Human-Machine)チームは、人間、AI対応マシン、および動物メンバー間の相互作用によって、それぞれの部品の合計よりも大きなユニークな能力をもたらす、ハイブリッドインテリジェンスシステムの一種である。 本稿では,AHMチーム構造の設計を体系的に研究し,性能を最適化し,様々な適用環境における制限を克服する手法を提案する。 我々は、AHMチームメンバーの相乗的ポテンシャルを調査するための課題と機会を、個々の弱点を補いながら、各メンバーの強みを効果的に活用する機能を持つAHMチームの一連の次元を導入することによって検討する。 このようなチームの代表的例であるセキュリティスクリーニング、検索と救助、ガイドドッグの3つを使って、AHMチームが複雑なタスクにどのように対処できるかを説明している。 我々は、この多次元アプローチが、AHMチームを超えてハイブリッドな人間-AIシステムの研究に役立つことを、オープンな研究の方向性で結論づける。

関連論文リスト

• Unraveling Human-AI Teaming: A Review and Outlook [2.3396455015352258]
  人工知能(AI)は前例のないペースで進歩しており、意思決定と生産性を高める可能性がある。 しかし、人間とAIの協調的な意思決定プロセスはまだ未開発であり、しばしばその変革の可能性に欠ける。 本稿では,AIエージェントの受動的ツールから,複雑な環境下での学習,適応,自律的な運用能力を強調した,人間-AIチームの積極的な協力者への進化について考察する。
  論文  参考訳（メタデータ） (2025-04-08T07:37:25Z)
• The Society of HiveMind: Multi-Agent Optimization of Foundation Model Swarms to Unlock the Potential of Collective Intelligence [6.322831694506287]
  複数のAIファンデーションモデル間のインタラクションをオーケストレーションするフレームワークを開発する。 このフレームワークは、主に現実世界の知識を必要とするタスクに対して、無視可能なメリットを提供する。 一方、我々は、集中的な論理的推論を必要とするタスクの大幅な改善について言及する。
  論文  参考訳（メタデータ） (2025-03-07T14:45:03Z)
• Generative Multi-Agent Collaboration in Embodied AI: A Systematic Review [32.73711802351707]
  Embodied Multi-Adnt System (EMAS) は、現実の課題に対処する可能性に注目が集まっている。 基礎モデルの最近の進歩は、よりリッチなコミュニケーションと適応的な問題解決が可能な生成エージェントの道を開いた。 この調査は、EMASがこれらの生成能力の恩恵を受けることができるかを体系的に検証する。
  論文  参考訳（メタデータ） (2025-02-17T07:39:34Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [51.452664740963066]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• MALT: Improving Reasoning with Multi-Agent LLM Training [66.9481561915524]
  MALT(Multi-Agent LLM Training)は、推論プロセスを生成、検証、改善ステップに分割する、新しいポストトレーニング戦略である。 MATH、GSM8K、CSQAでは、MALTは、それぞれ15.66%、7.42%、9.40%の相対的な改善で同じベースラインLLMを上回っている。
  論文  参考訳（メタデータ） (2024-12-02T19:30:36Z)
• PARTNR: A Benchmark for Planning and Reasoning in Embodied Multi-agent Tasks [57.89516354418451]
  我々は,HumaN-Robotコラボレーション(PARTNR)における計画と推論タスクのベンチマークを示す。 大規模言語モデル(LLM)を用いた半自動タスク生成パイプラインを用いる。 我々は、計画、知覚、スキル実行の軸を越えて、PartinNRタスクにおける最先端のLCMを分析します。
  論文  参考訳（メタデータ） (2024-10-31T17:53:12Z)
• QuadrupedGPT: Towards a Versatile Quadruped Agent in Open-ended Worlds [51.05639500325598]
  ペットに匹敵するアジリティで多様なコマンドに従うように設計されたQuadrupedGPTを紹介します。 エージェントは多種多様なタスクを処理し,複雑な指示を行う能力を示し,多種多様四重化エージェントの開発に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-06-24T12:14:24Z)
• Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
  複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。 このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
  論文  参考訳（メタデータ） (2024-02-20T11:03:36Z)
• 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)
• OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
  ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。 この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。 マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
  論文  参考訳（メタデータ） (2023-04-10T03:55:35Z)
• Onto4MAT: A Swarm Shepherding Ontology for Generalised Multi-Agent Teaming [2.9327503320877457]
  我々は、Swarm AIがその環境とシステムについて推論できる形式的な知識表現設計を提供する。 我々は,人間とチーム間のより効果的なチーム編成を実現するために,Ontology for Generalized Multi-Agent Teaming(Onto4MAT)を提案する。
  論文  参考訳（メタデータ） (2022-03-24T09:36:50Z)
• 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)

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。