ترجمه فارسی مقاله توضیحات مفهومی قابل اعتماد برای شبکه های عصبی در تصمیم گیری ربات

چکیده

Black box neural networks are an indispensable part of modern robots. Nevertheless, deploying such high-stakes systems in real-world scenarios poses significant challenges when the stakeholders, such as engineers and legislative bodies, lack insights into the neural networks’ decision-making process. Presently, explainable AI is primarily tailored to natural language processing and computer vision, falling short in two critical aspects when applied in robots: grounding in decision-making tasks and the ability to assess trustworthiness of their explanations. In this paper, we introduce a trustworthy explainable robotics technique based on human-interpretable, high-level concepts that attribute to the decisions made by the neural network. Our proposed technique provides explanations with associated uncertainty scores by matching neural network’s activations with human-interpretable visualizations. To validate our approach, we conducted a series of experiments with various simulated and real-world robot decision-making models, demonstrating the effectiveness of the proposed approach as a post-hoc, human-friendly robot learning diagnostic tool.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی Black Box بخشی ضروری از روبات های مدرن هستند.با این وجود ، استفاده از چنین سیستمهای پرخاشگر در سناریوهای دنیای واقعی ، هنگامی که ذینفعان ، مانند مهندسین و نهادهای قانونگذاری ، فاقد بینش در مورد روند تصمیم گیری شبکه های عصبی هستند ، چالش های مهمی را ایجاد می کند.در حال حاضر ، هوش مصنوعی قابل توضیح در درجه اول متناسب با پردازش زبان طبیعی و بینایی رایانه است و در دو جنبه مهم در هنگام استفاده در روبات ها ، کوتاه می شود: پایه گذاری در کارهای تصمیم گیری و توانایی ارزیابی اعتماد به نفس توضیحات آنها.در این مقاله ، ما یک تکنیک روباتیک قابل توضیح قابل اعتماد را بر اساس مفاهیم قابل تفسیر انسان و سطح بالا معرفی می کنیم که به تصمیمات اتخاذ شده توسط شبکه عصبی نسبت می دهد.تکنیک پیشنهادی ما با تطبیق فعال سازی شبکه عصبی با تجسم های قابل تفسیر انسان ، توضیحات مربوط به نمرات عدم اطمینان مرتبط را ارائه می دهد.برای اعتبارسنجی رویکرد خود ، ما مجموعه ای از آزمایشات را با مدلهای مختلف تصمیم گیری ربات شبیه سازی شده و واقعی در دنیای واقعی انجام دادیم که اثربخشی رویکرد پیشنهادی را به عنوان یک ابزار تشخیصی ربات پس از تعقیله و دوستانه انسان نشان می دهد.