Advancing Human-Machine Teaming: Concepts, Challenges, and Applications

要約

Human-Machine Teaming（HMT）は、AI駆動型の意思決定、信頼キャリブレーション、および適応型チーム化を統合することにより、防衛、ヘルスケア、自律システムなどのドメイン間のコラボレーションに革命をもたらしています。
この調査では、HMTの包括的な分類法を提示し、学際的な方法論とともに、強化学習、インスタンスベースの学習、相互依存理論などの理論モデルを分析します。
以前のレビューとは異なり、チーム認知、倫理的AI、マルチモーダル相互作用、および実際の評価フレームワークを調べます。
重要な課題には、説明可能性、役割の割り当て、およびスケーラブルなベンチマークが含まれます。
クロスドメインの適応、信頼できるAI、および標準化されたテストベッドに関する将来の研究を提案します。
計算および社会科学を橋渡しすることにより、この作業は、弾力性、倫理的、スケーラブルなHMTシステムの基礎を築きます。

要約(オリジナル)

Human-Machine Teaming (HMT) is revolutionizing collaboration across domains such as defense, healthcare, and autonomous systems by integrating AI-driven decision-making, trust calibration, and adaptive teaming. This survey presents a comprehensive taxonomy of HMT, analyzing theoretical models, including reinforcement learning, instance-based learning, and interdependence theory, alongside interdisciplinary methodologies. Unlike prior reviews, we examine team cognition, ethical AI, multi-modal interactions, and real-world evaluation frameworks. Key challenges include explainability, role allocation, and scalable benchmarking. We propose future research in cross-domain adaptation, trust-aware AI, and standardized testbeds. By bridging computational and social sciences, this work lays a foundation for resilient, ethical, and scalable HMT systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google