The Effect of Predictive Formal Modelling at Runtime on Performance in Human-Swarm Interaction

要約

フォーマル モデリングは、予期せぬ状況でもコンポーネントが適切な範囲内で動作することを保証するために、ソフトウェア開発の設計およびテスト プロセスの一部としてよく使用されます。
この論文では、人間と集団のミッションの実行時に予測形式モデリング (PFM) を使用し、この統合を使用して人間と集団のチームのパフォーマンスを向上できることを示します。
私たちは 60 人の参加者を募集し、目標の場所に荷物を配達するための模擬空中群れを操作しました。
PFM 条件では、オペレーターは配備されたドローンの数に応じた推定完了時間を通知されましたが、No-PFM 条件では、オペレーターはこの情報を持っていませんでした。
オペレーターは、ミッションにドローンを追加または削除することでミッションを制御し、それによってミッション全体のコストを増減させることができます。
人間と集団のパフォーマンスの評価は、タスクの完了にかかる時間、関与したエージェントの数、完了したタスクの総数、および人間と集団のタスクに関連する総コストという 4 つの主要な指標に依存していました。
私たちの結果は、実行時の PFM モデリングが、オペレーターの作業負荷やシステムの使いやすさに大きな影響を与えることなく、ミッションのパフォーマンスを向上させることを示しています。

要約(オリジナル)

Formal Modelling is often used as part of the design and testing process of software development to ensure that components operate within suitable bounds even in unexpected circumstances. In this paper, we use predictive formal modelling (PFM) at runtime in a human-swarm mission and show that this integration can be used to improve the performance of human-swarm teams. We recruited 60 participants to operate a simulated aerial swarm to deliver parcels to target locations. In the PFM condition, operators were informed of the estimated completion times given the number of drones deployed, whereas in the No-PFM condition, operators did not have this information. The operators could control the mission by adding or removing drones from the mission and thereby, increasing or decreasing the overall mission cost. The evaluation of human-swarm performance relied on four key metrics: the time taken to complete tasks, the number of agents involved, the total number of tasks accomplished, and the overall cost associated with the human-swarm task. Our results show that PFM modelling at runtime improves mission performance without significantly affecting the operator’s workload or the system’s usability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google