論文の概要: KUNPENG: An Embodied Large Model for Intelligent Maritime

• arxiv url: http://arxiv.org/abs/2407.09048v1
• Date: Fri, 12 Jul 2024 07:16:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-16 00:17:04.577314
• Title: KUNPENG: An Embodied Large Model for Intelligent Maritime
• Title（参考訳）: KUNPENG:Intelligent Maritimeのためのエンボディード大型モデル
• Authors: Naiyao Wang, Tongbang Jiang, Ye Wang, Shaoyang Qiu, Bo Zhang, Xinqiang Xie, Munan Li, Chunliu Wang, Yiyang Wang, Hongxiang Ren, Ruili Wang, Hongjun Shan, Hongbo Liu,
• Abstract要約: KUNPENGは、スマートオーシャン構築において、インテリジェントな海洋のモデルとして初めて具現化された大型モデルである。 総合的な海上作業評価において、KUNPENGは優れた性能を示した。
• 参考スコア（独自算出の注目度）: 16.21066869005095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent maritime, as an essential component of smart ocean construction, deeply integrates advanced artificial intelligence technology and data analysis methods, which covers multiple aspects such as smart vessels, route optimization, safe navigation, aiming to enhance the efficiency of ocean resource utilization and the intelligence of transportation networks. However, the complex and dynamic maritime environment, along with diverse and heterogeneous large-scale data sources, present challenges for real-time decision-making in intelligent maritime. In this paper, We propose KUNPENG, the first-ever embodied large model for intelligent maritime in the smart ocean construction, which consists of six systems. The model perceives multi-source heterogeneous data for the cognition of environmental interaction and make autonomous decision strategies, which are used for intelligent vessels to perform navigation behaviors under safety and emergency guarantees and continuously optimize power to achieve embodied intelligence in maritime. In comprehensive maritime task evaluations, KUNPENG has demonstrated excellent performance.
• Abstract（参考訳）: インテリジェントな海運は、スマート海洋構築の不可欠なコンポーネントとして、高度な人工知能技術とデータ分析手法を深く統合し、スマート血管、ルート最適化、安全な航行といった複数の側面を網羅し、海洋資源利用の効率化と輸送ネットワークの知性向上を目指している。 しかし、複雑でダイナミックな海洋環境は、多種多様で異質な大規模データソースとともに、インテリジェントな海洋におけるリアルタイムな意思決定の課題を提示している。 本稿では,6つのシステムからなるスマート海洋構築における知的海洋モデルであるKUNPENGを提案する。 このモデルは、環境相互作用の認識のためのマルチソースの異種データを認識し、インテリジェントな船舶が安全と緊急の保証の下で航行行動を行い、海上でのエンボディドインテリジェンスを達成するために継続的に電力を最適化する自律的な意思決定戦略を行う。 総合的な海上作業評価において、KUNPENGは優れた性能を示した。

関連論文リスト

• Introducing VaDA: Novel Image Segmentation Model for Maritime Object Segmentation Using New Dataset [3.468621550644668]
  海上輸送産業はコンピュータビジョン人工知能(AI)の進歩によって急速に進化している 海洋環境における物体認識は、光の反射、干渉、激しい照明、様々な気象条件といった課題に直面します。 既存のAI認識モデルとデータセットは、自律ナビゲーションシステムを構成するのに限定的に適している。
  論文  参考訳（メタデータ） (2024-07-12T05:48:53Z)
• Research on Foundation Model for Spatial Data Intelligence: China's 2024 White Paper on Strategic Development of Spatial Data Intelligence [98.51848899908644]
  本報告では、これらのモデルの原理、手法、最先端の応用を探求する、空間データインテリジェントな大規模モデルに焦点を当てる。 これは、空間データインテリジェントな大規模モデルの定義、開発履歴、現状、およびトレンドに関する詳細な議論を提供する。 本報告では, 都市環境, 航空宇宙リモートセンシング, 地理, 交通, その他のシナリオにおける空間データ知能大規模モデルの重要技術とその応用を体系的に解明する。
  論文  参考訳（メタデータ） (2024-05-30T06:21:34Z)
• Multi-modal Perception Dataset of In-water Objects for Autonomous Surface Vehicles [10.732732686425308]
  本稿では,自律航法のためのマルチモーダル認識データセットについて紹介する。 自律型表面車両(ASV)の環境意識を高めるため、水中環境における水中障害物に焦点を当てている。
  論文  参考訳（メタデータ） (2024-04-29T04:00:19Z)
• Generative AI Agents with Large Language Model for Satellite Networks via a Mixture of Experts Transmission [74.10928850232717]
  本稿では、モデル定式化のための生成人工知能(AI)エージェントを開発し、送信戦略の設計に専門家(MoE)の混合を適用した。 具体的には,大規模言語モデル(LLM)を活用して対話型モデリングパラダイムを構築する。 定式化問題の解法として, MoE-proximal Policy Optimization (PPO) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-14T03:44:54Z)
• Efficient Multi-branch Segmentation Network for Situation Awareness in Autonomous Navigation [0.0]
  この研究は、海上の港湾環境でUSVや無人航空機から視点を捉えたデータセットを構築した。 統計的解析により、海と空の分布と行の位置情報の間に高い相関が示された。 列位置符号化モジュール(RPEM)を用いた3分岐セマンティックセマンティックセマンティクスネットワークを提案し,海と空の間の予測精度を向上した。
  論文  参考訳（メタデータ） (2024-03-30T13:38:07Z)
• EnCoMP: Enhanced Covert Maneuver Planning with Adaptive Threat-Aware Visibility Estimation using Offline Reinforcement Learning [0.6597195879147555]
  本研究では,多様な屋外環境下でロボットが隠ぺいにナビゲートできるように改良されたナビゲーションフレームワークであるEnCoMPを提案する。 我々は、LiDAR点雲からカバーマップ、潜在的な脅威マップ、高さマップ、ゴールマップを含む高忠実度マルチマップ表現を生成する。 物理的ジャカルロボット上での手法の能力を実証し,多様な地形で実験を行った。
  論文  参考訳（メタデータ） (2024-03-29T07:03:10Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
  エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。 この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
  論文  参考訳（メタデータ） (2023-07-06T05:16:55Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)
• Modeling Historical AIS Data For Vessel Path Prediction: A Comprehensive Treatment [5.0283137924084205]
  近年,国際規模の大型商業船に義務付けられているため,自動識別システム(AIS)が重要な役割を担っている。 AISデータに基づく船体経路予測は、将来の海洋インテリジェンスにとって有望な方法である。 本研究では, 船舶経路の正確な予測を行うために, 大規模歴史的AIS軌道セグメントをモデル化するための包括的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-01-02T09:16:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。