Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Mejora de la estimación de la confianza en la colaboración humano-robot mediante la reputación beta en escalas de tiempo precisas

Created by
  • Haebom

Autor

Resul Dagdanov, Milan Andrejevic, Dikai Liu, Chin-Teng Lin

Describir

Este artículo presenta un nuevo marco para estimar con mayor precisión la confianza humana en la colaboración entre humanos y robots. Dado que los sistemas de reputación beta existentes actualizan la confianza en función del rendimiento binario (éxito/fracaso), presentan limitaciones para capturar eficazmente los cambios continuos de confianza a lo largo del proceso de colaboración. Además, existe la dificultad de diseñar manualmente las funciones de recompensa. Para resolver este problema, en este artículo proponemos un nuevo marco de estimación de confianza basado en la reputación beta que actualiza la confianza en cada paso temporal utilizando valores de recompensa continuos y genera automáticamente funciones de recompensa mediante la optimización de máxima entropía. Esto puede mejorar la precisión de la estimación de la confianza y resolver la dificultad de diseñar manualmente las funciones de recompensa, contribuyendo así al desarrollo de robots más inteligentes.

Takeaways, Limitations

Takeaways:
Superar las limitaciones de los sistemas de reputación beta existentes para estimar la confiabilidad humana de manera más precisa y eficiente
Automatice el proceso de diseño manual de funciones de recompensa utilizando la máxima optimización de entropía, reduciendo el tiempo y el esfuerzo de desarrollo.
Sugiere la posibilidad de desarrollar sistemas de colaboración humano-robot más sofisticados
Contribuir al desarrollo de robots más inteligentes y adaptables
Limitations:
Falta de resultados reales de la evaluación del rendimiento y la aplicación del sistema robótico del marco propuesto
Se necesita un análisis más profundo del costo computacional y la eficiencia del proceso de optimización de máxima entropía.
Es necesario verificar la generalización a varios tipos de tareas colaborativas entre humanos y robots.
👍