論文の概要: Inside Baseball: The Automated Ball-Strike System as an Object Lesson in Technological Rule Enforcement
- arxiv url: http://arxiv.org/abs/2605.16237v1
- Date: Fri, 15 May 2026 17:45:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.39695
- Title: Inside Baseball: The Automated Ball-Strike System as an Object Lesson in Technological Rule Enforcement
- Title（参考訳）: 野球内部:技術ルール強化の目的としての自動ボールストライクシステム
- Authors: Andrea Wen-Yi Wang, Waki Kamino, David Mimno, Karen Levy, Malte F. Jung,
- Abstract要約: メジャーリーグ野球の7年間の自動ボールストライクシステム(ABS)実験について検討した。
MLBは、ABSでボールやストライクを自動で呼び出す方法を見つけるのに7年を要した。
我々は,「距離」が明確な規則と技術実装の間にさえ存在することを示す。
- 参考スコア（独自算出の注目度）: 7.034830295621821
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Clearly-defined rules are often assumed to be straightforward to automate and evaluate. We challenge this assumption through an in-depth study of Major League Baseball's (MLB) seven-year experimentation with the Automated Ball-Strike System (ABS). ABS is envisioned to call balls and strikes accurately: a seemingly straightforward use of technology to objectively determine the distance between a pitch and the strike zone. Although the strike zone is an area clearly defined in the rulebook, it took MLB seven years to figure out how to automate calling balls and strikes with ABS, showing how even seemingly straightforward rules require a complex translation process to operationalize via technological systems. In this paper, we trace the design decisions that led to the current implementation of ABS. Our case study reveals that "distance" exists even between a clear rule and its technological implementation. Using analytic frameworks from Science and Technology Studies (STS), we show that such distance exists because (1) historically, the "ground truth" of the strike zone is contested: the rule in practice has always reflected a hybrid between the rulebook definition and umpires' enforcement decisions; and (2) the use of ABS is embedded in an existing eco-system, where the implementation of a technological enforcement system needs to balance multiple stakeholder values. This perspective challenges conventional evaluation paradigms that center on the distance between a formalized rule and its technological implementation, and instead calls for evaluating how such systems are experienced in practice. Addressing this question requires in-depth social science approaches, contributing to ongoing conversations in FAccT about the implementation and evaluation of sociotechnical systems.
- Abstract（参考訳）: 明確に定義されたルールは、しばしば自動化と評価が簡単であると仮定される。
本研究では,メジャーリーグベースボール(MLB)の7年間にわたる自動ボールストライクシステム(ABS)実験の詳細な研究を通じて,この仮定に挑戦する。
ABSは、ピッチとストライクゾーンの間の距離を客観的に決定するための、一見単純な技術の使用として、ボールとストライクを正確に呼び出すように設計されている。
ストライクゾーンはルールブックで明確に定義されている領域だが、ABSによる呼び出しやストライクを自動化するにはMLBが7年を要した。
本稿では,現在のABSの実装に繋がる設計決定をトレースする。
本研究は,「距離」が明確な規則と技術実装の間にさえ存在することを明らかにする。
科学技術研究(STS)の分析枠組みを用いて,(1)ストライクゾーンの「地下真実」が歴史的に争われていること,(2)ルールブックの定義と審判員の強制決定のハイブリッドを常に反映していること,(2)技術執行制度の実装が複数の利害関係者の価値観のバランスをとる必要がある既存のエコシステムにABSの使用が組み込まれていること,などが,このような距離の存在を示唆している。
この観点は、形式化された規則とその技術的実装の間の距離に焦点を当てた従来の評価パラダイムに挑戦し、代わりにそのようなシステムが実際にどのように経験されているかを評価することを要求する。
この問題に対処するには、社会科学の深いアプローチが必要であり、社会技術システムの実装と評価についてFAccTで進行中の会話に寄与する。
関連論文リスト
- Expandable Decision-Making States for Multi-Agent Deep Reinforcement Learning in Soccer Tactical Analysis [6.8055385768376615]
サッカーなどの侵入チームスポーツは、多くの選手が共有フィールドで相互作用するときに、高次元で強く結合された状態空間を作り出す。
従来のルールに基づく分析は直感的であるが、現代の予測機械学習モデルは明示的なエージェント表現なしでパターンマッチングを行うことが多い。
本稿では,関係変数による原位置と速度を増大させる意味的にリッチな状態表現である拡張可能意思決定状態(EDMS)を提案する。
論文 参考訳（メタデータ） (2025-10-01T04:01:51Z) - ANNIE: Be Careful of Your Robots [48.89876809734855]
エンボディドAIシステムに対する敵の安全攻撃に関する最初の体系的研究について述べる。
すべての安全カテゴリーで攻撃の成功率は50%を超えている。
結果は、実証済みのAIシステムにおいて、これまで未調査だったが、非常に連続的な攻撃面を露呈する。
論文 参考訳（メタデータ） (2025-09-03T15:00:28Z) - RAD: Training an End-to-End Driving Policy via Large-Scale 3DGS-based Reinforcement Learning [54.52545900359868]
3DGSをベースとしたエンドツーエンド自動運転のためのクローズドループ強化学習フレームワークRADを提案する。
安全性を高めるため、我々は、安全クリティカルな事象に効果的に対応し、現実世界の因果関係を理解するために、政策の指針となる特別報酬を設計する。
IL法と比較して、RADは閉ループのほとんどの測定値において、特に3倍の衝突速度を示す。
論文 参考訳（メタデータ） (2025-02-18T18:59:21Z) - Using AI Alignment Theory to understand the potential pitfalls of regulatory frameworks [55.2480439325792]
本稿では、欧州連合の人工知能法(EU AI法)を批判的に検討する。
人工知能における技術的アライメントの潜在的な落とし穴に焦点を当てたアライメント理論(AT)研究からの洞察を利用する。
これらの概念をEU AI Actに適用すると、潜在的な脆弱性と規制を改善するための領域が明らかになる。
論文 参考訳（メタデータ） (2024-10-10T17:38:38Z) - Learning Vision-based Pursuit-Evasion Robot Policies [54.52536214251999]
我々は、部分的に観察可能なロボットの監督を生成する完全観測可能なロボットポリシーを開発する。
我々は、RGB-Dカメラを搭載した4足歩行ロボットに、野生での追従回避のインタラクションにポリシーを展開させる。
論文 参考訳（メタデータ） (2023-08-30T17:59:05Z) - A Case for AI Safety via Law [0.0]
人工知能(AI)システムを安全にし、人間の価値と整合させるには、オープンな研究課題である。
提案された解決策は、不確実な状況における人間の介入に依存する傾向にある。
本稿では,AIの安全性に対処する上で,効果的な法体系が最善の方法であることを示す。
論文 参考訳（メタデータ） (2023-07-31T19:55:27Z) - Verifying Learning-Based Robotic Navigation Systems [61.01217374879221]
有効モデル選択に現代検証エンジンをどのように利用できるかを示す。
具体的には、検証を使用して、最適下行動を示す可能性のあるポリシーを検出し、除外する。
我々の研究は、現実世界のロボットにおける準最適DRLポリシーを認識するための検証バックエンドの使用を初めて実証したものである。
論文 参考訳（メタデータ） (2022-05-26T17:56:43Z) - A Framework for Studying Reinforcement Learning and Sim-to-Real in Robot
Soccer [1.1785354380793065]
本稿では,ロボットサッカーにおける強化学習(Reinforcement Learning, RL)とsim-to-realを研究するための,VSSS-RLと呼ばれるオープンフレームワークを紹介する。
本研究では,サッカーエージェントの完全な動作を制御するために,連続的あるいは離散的な制御ポリシーを訓練できるシミュレーション環境を提案する。
本研究の結果から,手作り制御政策の実施が困難な行動の幅広いレパートリーを学習したことが示唆された。
論文 参考訳（メタデータ） (2020-08-18T23:52:32Z) - Learning to Play Table Tennis From Scratch using Muscular Robots [34.34824536814943]
この研究は、(a)人為的ロボットアームを用いた安全クリティカルな動的タスクを初めて学習し、(b)PAM駆動システムで精度の高い要求問題を学び、(c)本物のボールなしで卓球をするようにロボットを訓練する。
ビデオとデータセットは muscleTT.embodied.ml で入手できる。
論文 参考訳（メタデータ） (2020-06-10T16:43:27Z) - Thinking While Moving: Deep Reinforcement Learning with Concurrent
Control [122.49572467292293]
本研究では,制御システムの時間的進化とともに,ポリシーからのアクションのサンプリングを同時に行わなければならないような環境下での強化学習について検討する。
人や動物のように、ロボットは思考と移動を同時に行わなければならず、前の動作が完了する前に次の動作を決定する。
論文 参考訳（メタデータ） (2020-04-13T17:49:29Z)
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。