論文の概要: Autonomous generation of different courses of action in mechanized combat operations
- arxiv url: http://arxiv.org/abs/2511.05182v1
- Date: Fri, 07 Nov 2025 12:02:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-10 21:00:44.753127
- Title: Autonomous generation of different courses of action in mechanized combat operations
- Title（参考訳）: メカナイズド戦闘における異なる行動経路の自律的生成
- Authors: Johan Schubert, Patrik Hansen, Pontus Hörling, Ronnie Johansson,
- Abstract要約: 本研究では,地上作戦実行段階における意思決定を支援するための方法論を提案する。
この方法論は、機械化された大隊のための様々な行動コースの勧告を生成し、評価する。
組織的に数千の個別のアクション代替品を生産し、続いて優れた結果を伴う代替アクションのコースを特定することを目的とした評価を行った。
- 参考スコア（独自算出の注目度）: 0.6999740786886536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a methodology designed to support decision-making during the execution phase of military ground combat operations, with a focus on one's actions. This methodology generates and evaluates recommendations for various courses of action for a mechanized battalion, commencing with an initial set assessed by their anticipated outcomes. It systematically produces thousands of individual action alternatives, followed by evaluations aimed at identifying alternative courses of action with superior outcomes. These alternatives are appraised in light of the opponent's status and actions, considering unit composition, force ratios, types of offense and defense, and anticipated advance rates. Field manuals evaluate battle outcomes and advancement rates. The processes of generation and evaluation work concurrently, yielding a variety of alternative courses of action. This approach facilitates the management of new course generation based on previously evaluated actions. As the combat unfolds and conditions evolve, revised courses of action are formulated for the decision-maker within a sequential decision-making framework.
- Abstract（参考訳）: 本稿では,地上戦闘行動の実行段階における意思決定を支援するための方法論を提案する。
本手法は, 機械化大隊に対する様々な行動コースの勧告を生成し, 評価する。
組織的に数千の個別のアクション代替品を生産し、続いて優れた結果を伴う代替アクションのコースを特定することを目的とした評価を行った。
これらの選択肢は、ユニット構成、力の比率、攻撃の種類、防御の種類、予想される前進率を考慮して、相手の状態や行動を考慮して評価される。
フィールドマニュアルは、戦闘結果と前進率を評価する。
生成と評価のプロセスは同時に機能し、様々な代替のアクションのコースを生み出します。
このアプローチは、事前評価されたアクションに基づいて、新しいコース生成の管理を容易にする。
戦闘が展開し、状況が発展するにつれて、逐次的な意思決定の枠組みの中で、意思決定者に対して行動の修正コースが定式化される。
関連論文リスト
- ADM-Loc: Actionness Distribution Modeling for Point-supervised Temporal
Action Localization [31.314383098734922]
本稿では,1つのアクションインスタンスにアノテートされた1フレームのみをトレーニングセットにアノテートする点教師付き時間的行動検出の課題に対処する。
ADM-Loc(ADM-Loc)と呼ばれる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-27T15:24:54Z) - Strategic Evaluation: Subjects, Evaluators, and Society [1.1606619391009658]
評価自体の設計は、評価者の持つ目標をさらに進めるものとして理解することができると論じる。
3つの相互作用エージェントを用いた評価のプロセスを表現するモデルを提案した。
評価者をその戦略として扱うことで、意思決定対象に向けられた精査を再放送することができます。
論文 参考訳（メタデータ） (2023-10-05T16:33:08Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - Collaborative Decision Making Using Action Suggestions [41.013477422930755]
本稿では,行動選択を改善する行動提案を通じて協調的意思決定の手法を定式化する。
提案手法では,提案によって共有される暗黙の情報を組み込んで,エージェントの信念を変更する。
協調環境の仮定により,エージェントのポリシーを用いて行動提案よりも分布を推定することができる。
論文 参考訳（メタデータ） (2022-09-27T05:16:41Z) - Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文 参考訳（メタデータ） (2022-05-20T20:50:17Z) - Utilizing Skipped Frames in Action Repeats via Pseudo-Actions [13.985534521589253]
多くの深層強化学習では、エージェントがアクションを取ると、次のアクション決定点まで状態を観察しずに、事前定義された回数で同じアクションを繰り返します。
訓練データの量は、反復する行動の間隔に逆比例するので、トレーニングのサンプル効率に悪影響を及ぼす可能性がある。
疑似アクションの概念を導入してこの問題を緩和する,シンプルだが効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-07T02:43:44Z) - Performance Evaluation of Adversarial Attacks: Discrepancies and
Solutions [51.8695223602729]
機械学習モデルの堅牢性に挑戦するために、敵対攻撃方法が開発されました。
本稿では,Piece-wise Sampling Curving(PSC)ツールキットを提案する。
psc toolkitは計算コストと評価効率のバランスをとるオプションを提供する。
論文 参考訳（メタデータ） (2021-04-22T14:36:51Z) - Data-efficient visuomotor policy training using reinforcement learning
and generative models [27.994338318811952]
本稿では,ビジュモータの逐次的意思決定問題を解決するためのデータ効率フレームワークを提案する。
我々は強化学習と潜在変数生成モデルの組み合わせを利用する。
論文 参考訳（メタデータ） (2020-07-26T14:19:00Z) - Learning "What-if" Explanations for Sequential Decision-Making [92.8311073739295]
実世界の意思決定の解釈可能なパラメータ化を実証行動に基づいて構築することが不可欠である。
そこで我々は,「何」の結果に対する嗜好の観点から,報酬関数をモデル化し,専門家による意思決定の学習的説明を提案する。
本研究は,行動の正確かつ解釈可能な記述を回復する上で,実効的逆強化学習手法であるバッチの有効性を強調した。
論文 参考訳（メタデータ） (2020-07-02T14:24:17Z) - Uncertainty-aware Score Distribution Learning for Action Quality
Assessment [91.05846506274881]
行動品質評価(AQA)のための不確実性認識スコア分布学習(USDL)手法を提案する。
具体的には、異なる評価スコアの確率を記述したスコア分布に関連する事例として、アクションを考察する。
微粒なスコアラベルが利用できる状況下では、多パス不確実性を考慮したスコア分布学習法(MUSDL)を考案し、スコアの不整合成分を探索する。
論文 参考訳（メタデータ） (2020-06-13T15:41:29Z)
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。