MétaCan
Menu
Retour à la cohorte
Enregistrement W4391308435 · doi:10.1109/smc53992.2023.10393945

Development of a Soldier-Robot Teaming Synthetic Environment for Team Effectiveness Evaluation

2023· article· en· W4391308435 sur OpenAlexaffabout
Scott Fang, Ming Hou, Nada Pavlovic, Simon Banbury, Murray Gamble, Siu O’Young

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésRobotComputer scienceHuman–computer interactionArtificial intelligenceSystems engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

To help enhance mission effectiveness for future dismounted soldiers in the Canadian Armed Forces (CAF), a Soldier-Robot Teaming (SRT) concept has been developed and accepted as a force multiplier to extend operational abilities of dismounted soldiers in the battlefield, such as reducing the number of soldiers in dangerous environments and empowering them with advanced robot technologies. To support this endeavour, the Defence Research and Development Canada (DRDC) Toronto Research Centre (TRC) has led a research effort 'Concept of Operations (CONOPS) for SRT in the CAF’ since 2019. In the first research phase, key stakeholders within the Department of National Defence (DND) and CAF were engaged in a series of meetings and interviews to help identify future SRT concepts across a broad range of missions and operational environments. During the stakeholder analysis, five SRT use cases were developed and validated for the CAF to capture the intended SRT CONOPS, operational priorities, operational contexts, functionality, interactions, and expected mission performance, and to support Land Operations at section and platoon levels. To further facilitate SRT concept development and experimentation activities at DRDC TRC, a synthetic modeling and simulation environment was proposed and developed, in support of future SRT effectiveness research on team communication, coordination, collaboration and trust. In the meantime, this effort can also support studies on human-machine interface and human-systems integration, as well as help carry out SRT human-in-the-loop experiments and trials, for the CAF needs of reducing soldier workload and improving team performance and effectiveness in future SRT operations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,078
Tête enseignante GPT0,407
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHuman-Automation Interaction and SafetyTravaux en français237 207