論文の概要: A Taxonomy of Human-Robot Teamwork Requirements

• arxiv url: http://arxiv.org/abs/2607.27302v1
• Date: Wed, 29 Jul 2026 16:56:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.288017
• Title: A Taxonomy of Human-Robot Teamwork Requirements
• Title（参考訳）: 人間-ロボットチームワーク要求の分類
• Abstract要約: 既存のHuman-Robot Teamworkの要件は、さまざまなソースで断片化されている。 本稿では,(学術・工業)文献,基準,規制指針の分析から得られたHRT要件の分類について述べる。 本研究は,5つの専門分野の専門家による専門的評価と,独立に構築された448個の要件のコーパス上での実用的実証を通じて,分類の妥当性を検証した。
• 参考スコア（独自算出の注目度）: 1.6026518395108311
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous systems are increasingly deployed in safety- and mission-critical domains where humans and robots must operate as a team to complete complex tasks. Existing requirements for Human-Robot teamwork remain fragmented across disparate sources, with no unified framework that addresses complexities of collaborative Human-Robot tasks. We address this gap by presenting a taxonomy of Human-Robot Teamwork (HRT) requirements derived from analysis of (academic and industrial) literature, standards and regulatory guidance. We extracted a construction corpus of 361 requirements from 14 cross-domain sources. Through iterative classification and refinement, we develop a two-level hierarchical taxonomy comprising 6 high-level categories and 21 low-level subcategories that distinguish information provision, relational control, decision support, safety mechanisms, performance monitoring, and foundational system capabilities. We validate the taxonomy through expert evaluation with 5 domain specialists and a utility demonstration on an independently assembled corpus of 448 requirements drawn from 19 sources spanning six HRT domains.
• Abstract（参考訳）: 自律システムは、人間とロボットが複雑なタスクを完了するためにチームとして運用しなければならない、安全およびミッションクリティカルな領域にますます展開されている。 既存のHuman-Robotチームワークの要件は、異なるソース間で断片化されており、協調的なHuman-Robotタスクの複雑さに対処する統一されたフレームワークは存在しない。 本研究では,人間ロボットチームワーク(HRT)の要件を(学術的・工業的)文献,基準,規制指針の分析から導出した分類を提示することによって,このギャップに対処する。 我々は14のクロスドメインソースから361の要求条件を満たす構成コーパスを抽出した。 本稿では,情報提供,リレーショナルコントロール,意思決定支援,安全機構,パフォーマンス監視,基本システム機能といった特徴を区別した,上位6つのカテゴリと下位21のサブカテゴリからなる2階層型階層分類を開発する。 5つのドメインの専門家による専門的な評価と、6つのHRTドメインにまたがる19のソースから抽出された448の要件を独立に構築したコーパスの実用的実証により、分類の妥当性を検証した。

関連論文リスト

• ORCH: Organizational Principles Enable Collective Intelligence in Embodied AI [3.1261697925460434]
  人工エージェントの大規模な異種集団を組織化するために、人間の組織理論の原則を運用できることが示される。 偵察・救助・輸送・資源管理・抑止・抑止にまたがる25回の山火事対応ミッションを評価した。 人間設計のORCH組織は、最終スコアを63.97%、実行効率を74.29%改善した。
  論文  参考訳（メタデータ） (2026-09-10T15:52:35Z)
• LAAF: A Layered Accountability Architecture Framework for LLM Applications [11.15280916125281]
  大規模言語モデル(LLM)は、病院、法廷、銀行、公共サービスデスクで運用されており、流動的で自信のある出力は、根拠のない、または正しくない場合でも権威あるものとして扱われる。 本稿では,5次元に分解されたアクターとフォーラムの関係として,説明責任の社会技術的説明を統合する。 コーパスは、出所、アプリケーションロジック、ヒューマン監視、ガバナンスとリフレッシュにまたがる4層分類デバイスを通じて読み込まれる。
  論文  参考訳（メタデータ） (2026-08-27T13:18:26Z)
• How Well Do LLMs Generate Taxonomies in the SE Domain? A Multi-perspective Evaluation Framework [4.372207458643732]
  分類学(Taxonomies)は、ソフトウェア工学(SE)研究における異種観測の組織化のための共通の概念的枠組みを提供する。 LLM(Large Language Models)の進歩は、SEドメイン以外の自動分類生成手法の出現につながっているが、技術的に複雑なSEアーティファクトへの適用性はまだ不明である。 本報告では,SEアーティファクト上での最先端の自動化手法の動作に関する総合的な実証評価について述べる。
  論文  参考訳（メタデータ） (2026-08-03T01:56:08Z)
• From Isolated Tasks to Structured Capabilities: A Multilayer Taxonomy for Large Language Models [41.36461541603076]
  大規模言語モデル(LLM)の評価は多様なタスクとベンチマークにまたがる。 証拠は、調査する能力よりも、タスクを中心に組織化されている。 14の能力ドメインと91のサブスキルからなる多層分類を導入した。
  論文  参考訳（メタデータ） (2026-07-24T10:49:50Z)
• SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks [73.92333717662558]
  SpaceWorldは、複雑な現実世界のタスクにおけるマルチモーダルエージェントのインタラクティブな空間的理解を評価するためのベンチマークである。 多様なドメイン(例えば、家庭のルーチン、旅行、社会協力など)にまたがる760の人称タスクが特徴である。 信頼性評価のために、各タスクは、人間検証された初期状態、参照軌跡、端末状態検証器を含む。
  論文  参考訳（メタデータ） (2026-06-08T15:51:51Z)
• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• OccuBench: Evaluating AI Agents on Real-World Professional Tasks via Language Environment Simulation [57.505743202759646]
  OccuBenchは10の業界カテゴリと65の専門ドメインにわたる100の現実のプロフェッショナルタスクシナリオをカバーするベンチマークである。 我々のマルチエージェント合成パイプラインは, 可溶性, 校正困難, 文書基底の多様性を保証した評価インスタンスを自動生成する。
  論文  参考訳（メタデータ） (2026-04-13T00:27:32Z)
• Pitfalls in Evaluating Interpretability Agents [91.49742416116635]
  我々は,実験を反復的に設計し,仮説を洗練するエージェントシステムを構築した。 我々の研究は、複雑な自動解釈可能性システムを評価する上での根本的な課題を実証している。
  論文  参考訳（メタデータ） (2026-03-20T16:27:17Z)
• Anagent For Enhancing Scientific Table & Figure Analysis [13.604302149501557]
  アナジェント(Anagent)は、4つの特殊エージェントを通して科学的テーブルとフィギュア解析を強化するためのフレームワークである。 Anagentは170のドメインを持つ9つの広いドメインで大幅に改善されている。 タスク指向推論と文脈認識問題解決は,高品質な科学表と図形解析に不可欠であることを示す。
  論文  参考訳（メタデータ） (2026-02-10T18:46:28Z)
• Exploring Human-in-the-Loop Themes in AI Application Development: An Empirical Thematic Analysis [0.0]
  HITL(Human-in-the-Loop)とHCAI(Human-Centered AI)の原則は広く認められている。 しかし、役割、チェックポイント、フィードバックメカニズムを構造化するための運用ガイダンスは、まだ断片化されている。
  論文  参考訳（メタデータ） (2026-01-18T02:38:01Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
  階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。 具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。 我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-21T12:25:47Z)
• Explore to Evolve: Scaling Evolved Aggregation Logic via Proactive Online Exploration for Deep Research Agents [70.77400371166922]
  深層研究ウェブエージェントは、洞察に富んだ研究のための知識を厳格に分析し集約する必要がある。 本研究では,Webエージェントの検証可能なトレーニングデータを構築するためのExplore to Evolveパラダイムを提案する。 オープンソースのエージェントフレームワークであるSmolAgentsをベースとして,教師付き微調整トラジェクトリを収集し,一連の基礎モデルを構築する。
  論文  参考訳（メタデータ） (2025-10-16T08:37:42Z)
• From MAS to MARS: Coordination Failures and Reasoning Trade-offs in Hierarchical Multi-Agent Robotic Systems within a Healthcare Scenario [3.5262044630932254]
  マルチエージェントロボットシステム(MARS)は、物理的およびタスク関連の制約を統合することで、マルチエージェントシステム上に構築される。 高度なマルチエージェントフレームワークが利用可能であるにも関わらず、実際のロボットへのデプロイメントは制限されている。
  論文  参考訳（メタデータ） (2025-08-06T17:54:10Z)

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。