論文の概要: NuHF Claw: A Risk Constrained Cognitive Agent Framework for Human Centered Procedure Support in Digital Nuclear Control Rooms
- arxiv url: http://arxiv.org/abs/2604.14160v1
- Date: Mon, 23 Mar 2026 07:47:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.685053
- Title: NuHF Claw: A Risk Constrained Cognitive Agent Framework for Human Centered Procedure Support in Digital Nuclear Control Rooms
- Title（参考訳）: NuHF Claw:デジタル核制御室におけるヒューマンセンタードプロシージャ支援のためのリスク拘束型認知エージェントフレームワーク
- Authors: Xingyu Xiao, Jiejuan Tong, Jun Sun, Zhe Sui, Peng Chen, Jingang Liang, Haitao Wang,
- Abstract要約: 本研究は,デジタル原子力事業におけるリスク管理型人間中心自律性を実現する,持続的認知リスクエージェントフレームワークであるNuHF Clawを提案する。
その中核となる方法論的革新は、リスク制約されたエージェントランタイムの導入であり、これは認知状態の推測と確率論的安全性の評価とを密に結合している。
結果は、自動化駆動運転から認知認識自律への根本的なシフトを強調し、次世代の核制御環境へのインテリジェントエージェントの安全な統合のための原則化された経路を提供する。
- 参考スコア（独自算出の注目度）: 5.422759428026345
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid digitization of nuclear power plant main control rooms has fundamentally reshaped operator interaction patterns, introducing complex soft-control behaviors and elevated cognitive risks that are not adequately addressed by existing human reliability analysis approaches. Although recent advances in large language models and autonomous agents offer new opportunities for intelligent decision support, their deployment in safety critical environments remains constrained by risks of hallucinated reasoning and weakened human authority. This study proposes NuHF Claw, a persistent cognitive-risk agent framework that enables risk governed human centered autonomy for digital nuclear operations. The core methodological innovation lies in the introduction of a risk constrained agent runtime, which tightly couples cognitive state inference with probabilistic safety assessment to regulate autonomous system behavior in real time. By integrating cognitively grounded workload and situational awareness estimation with dynamic human error probability prediction, the framework transforms conventional offline reliability analysis into a proactive intervention mechanism embedded directly within operational workflows. Experimental validation on a high-fidelity digital control room simulator demonstrates that NuHF Claw can anticipate interface induced cognitive degradation, dynamically constrain unsafe autonomous recommendations, and provide risk-aware navigational guidance while preserving human decision authority. The results highlight a fundamental shift from automation-driven operation toward cognition-aware autonomy, offering a principled pathway for the safe integration of intelligent agents into next-generation nuclear control environments.
- Abstract（参考訳）: 原子力発電所の主制御室の急速なデジタル化は、操作者の相互作用パターンを根本的に再形成し、複雑なソフトコントロール行動を導入し、既存の人間の信頼性分析アプローチでは適切に対処できない認知リスクを高める。
大規模言語モデルや自律エージェントの最近の進歩は、インテリジェントな意思決定支援のための新たな機会を提供するが、その安全クリティカルな環境への展開は、幻覚的推論のリスクと人的権威の弱さによって制約されている。
本研究は,デジタル原子力事業におけるリスク管理型人間中心自律性を実現する,持続的認知リスクエージェントフレームワークであるNuHF Clawを提案する。
リスク制約されたエージェントランタイムは、認知状態推論と確率論的安全性評価とを密に結合し、自律的なシステムの振る舞いをリアルタイムで制御する。
このフレームワークは,認知的基盤化された作業負荷と状況認識を動的ヒューマンエラー予測と組み合わせることで,従来のオフライン信頼性分析を運用ワークフローに直接組み込んだ積極的な介入機構に変換する。
高忠実度デジタル制御室シミュレータの実験的検証により、NuHF Clawは、インターフェースによる認知劣化を予測し、動的に安全でない自律的な勧告を制約し、人間の意思決定権限を維持しながら、危険に敏感なナビゲーションガイダンスを提供することができることが示された。
結果は、自動化駆動運転から認知認識自律への根本的なシフトを強調し、次世代の核制御環境へのインテリジェントエージェントの安全な統合のための原則化された経路を提供する。
関連論文リスト
- A Real-Time Neuro-Symbolic Ethical Governor for Safe Decision Control in Autonomous Robotic Manipulation [0.0]
本稿では,自律型ロボット操作作業におけるリスク認識型監督制御を実現するために,リアルタイムな神経象徴的倫理的知事を提案する。
提案フレームワークは、トランスフォーマーに基づく倫理的推論と確率論的倫理的リスクフィールドの定式化を統合する。
提案手法の有効性は,シミュレーションされた自律型ロボットアームタスクシナリオを用いて検証する。
論文 参考訳（メタデータ） (2026-03-15T04:50:45Z) - A Dynamic Bayesian and Machine Learning Framework for Quantitative Evaluation and Prediction of Operator Situation Awareness in Nuclear Power Plants [7.373053318992413]
本研究では,状況認識のための動的ベイズ機械学習フレームワーク(DBML SA)を紹介する。
DBML SAは確率論的推論とデータ駆動インテリジェンスを融合させ、定量的、解釈可能、予測的な状況認識モデリングを実現する。
その結果、状況認識の劣化の主要な要因として、トレーニングの品質とストレスダイナミクスが強調された。
論文 参考訳（メタデータ） (2026-03-11T05:38:18Z) - Beyond single-channel agentic benchmarking [0.0]
本稿では,AIエージェントを分離して評価することで,人間のループ環境に配置した場合の運用上の安全性が低下すると主張している。
にもかかわらず、不完全なAIシステムでさえ、十分に文書化された人間の失敗の原因に対して冗長な監査レイヤーとして機能することで、かなりの安全性を提供することができる。
論文 参考訳（メタデータ） (2026-02-05T08:22:02Z) - Assured Autonomy: How Operations Research Powers and Orchestrates Generative AI Systems [18.881800772626427]
生成モデルは、実現可能性、分散シフトに対する堅牢性、ストレステストを提供するメカニズムと組み合わせない限り、運用領域で脆弱である可能性がある、と我々は主張する。
我々は,運用研究に根ざした自律性確保のための概念的枠組みを開発する。
これらの要素は、安全クリティカルで信頼性に敏感な運用領域における自律性を保証するための研究アジェンダを定義する。
論文 参考訳（メタデータ） (2025-12-30T04:24:06Z) - SafeMobile: Chain-level Jailbreak Detection and Automated Evaluation for Multimodal Mobile Agents [58.21223208538351]
本研究は,モバイルマルチモーダルエージェントを取り巻くセキュリティ問題について考察する。
行動シーケンス情報を組み込んだリスク識別機構の構築を試みる。
また、大規模言語モデルに基づく自動アセスメントスキームも設計している。
論文 参考訳（メタデータ） (2025-07-01T15:10:00Z) - A Survey on Autonomy-Induced Security Risks in Large Model-Based Agents [45.53643260046778]
大規模言語モデル(LLM)の最近の進歩は、自律型AIエージェントの台頭を触媒している。
これらの大きなモデルエージェントは、静的推論システムからインタラクティブなメモリ拡張エンティティへのパラダイムシフトを示す。
論文 参考訳（メタデータ） (2025-06-30T13:34:34Z) - Safely Learning Controlled Stochastic Dynamics [61.82896036131116]
システム力学の安全な探索と効率的な推定を可能にする手法を提案する。
学習後、学習モデルはシステムのダイナミクスの予測を可能にし、任意の制御の安全性検証を可能にする。
我々は、真の力学のソボレフ正則性を高めることにより、安全性と適応学習率の向上を理論的に保証する。
論文 参考訳（メタデータ） (2025-06-03T11:17:07Z) - Model evaluation for extreme risks [46.53170857607407]
AI開発のさらなる進歩は、攻撃的なサイバー能力や強力な操作スキルのような極端なリスクを引き起こす能力につながる可能性がある。
モデル評価が極端なリスクに対処するために重要である理由を説明します。
論文 参考訳（メタデータ） (2023-05-24T16:38:43Z) - Risk-Sensitive Sequential Action Control with Multi-Modal Human
Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。
私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。
シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
論文 参考訳（メタデータ） (2020-09-12T02:02:52Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。