論文の概要: AI for ERW Detection in Clearance Operations -- The State of Research

• arxiv url: http://arxiv.org/abs/2411.05813v1
• Date: Thu, 31 Oct 2024 11:50:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-17 08:33:25.909428
• Title: AI for ERW Detection in Clearance Operations -- The State of Research
• Title（参考訳）: クリアランス運用におけるERW検出のためのAI-研究の現状
• Authors: Björn Kischelewski, Gregory Cathcart, David Wahl, Benjamin Guedj,
• Abstract要約: 本稿では、クリアランス操作のためのERW検出のためのAIに関する学術研究の文献レビューを提供する。 研究は、ERWオブジェクト検出のためのAIとERWリスク予測のためのAIの2つの主要なストリームにグループ化できる。 我々は、ERWリスク予測にAIを使用するための新たな取り組みを含む、将来の研究のための3つの機会を開拓する。
• 参考スコア（独自算出の注目度）: 12.278116747610158
• License:
• Abstract: The clearance of explosive remnants of war (ERW) continues to be a predominantly manual and high-risk process that can benefit from advances in technology to improve its efficiency and effectiveness. In particular, research on artificial intelligence for ERW clearance has grown significantly in recent years. However, this research spans a wide range of fields, making it difficult to gain a comprehensive understanding of current trends and developments. Therefore, this article provides a literature review of academic research on AI for ERW detection for clearance operations. It finds that research can be grouped into two main streams, AI for ERW object detection and AI for ERW risk prediction, with the latter being much less studied than the former. From the analysis of the eligible literature, we develop three opportunities for future research, including a call for renewed efforts in the use of AI for ERW risk prediction, the combination of different AI systems and data sources, and novel approaches to improve ERW risk prediction performance, such as pattern-based prediction. Finally, we provide a perspective on the future of AI for ERW clearance. We emphasize the role of traditional machine learning for this task, the need to dynamically incorporate expert knowledge into the models, and the importance of effectively integrating AI systems with real-world operations.
• Abstract（参考訳）: 爆発的残余(ERW)のクリアランスは、その効率と有効性を改善する技術の発展の恩恵を受けることができる、主に手動で高リスクなプロセスであり続けている。 特にERWクリアランスのための人工知能の研究は近年大きく成長している。 しかし、この研究は幅広い分野にまたがっており、現在の傾向や展開を包括的に理解することは困難である。 そこで本稿では,クリアランス操作のためのERW検出のためのAIに関する学術研究の文献レビューを行う。 研究は、ERWオブジェクト検出のためのAIと、ERWリスク予測のためのAIの2つの主要なストリームにグループ化できる。 対象とする文献の分析から,ERWリスク予測におけるAI利用の新たな取り組み,異なるAIシステムとデータソースの組み合わせ,パターンベース予測などのERWリスク予測性能向上のための新たなアプローチなど,今後の研究の機会を開拓する。 最後に、ERWクリアランスのためのAIの未来を展望する。 我々は,このタスクにおける従来の機械学習の役割,モデルに専門家の知識を動的に取り入れる必要性,実世界の運用にAIシステムを効果的に統合することの重要性を強調した。

関連論文リスト

• Machine Learning Innovations in CPR: A Comprehensive Survey on Enhanced Resuscitation Techniques [52.71395121577439]
  心肺蘇生(CPR)における機械学習(ML)と人工知能(AI)の変革的役割について検討する。 再現結果を改善する上で、予測モデリング、AI強化デバイス、リアルタイムデータ分析の影響を強調している。 本稿は、この新興分野における現在の応用、課題、今後の方向性に関する包括的概要、分類、および批判的分析を提供する。
  論文  参考訳（メタデータ） (2024-11-03T18:01:50Z)
• Generative AI for Requirements Engineering: A Systematic Literature Review [4.056534128718579]
  ジェネレーティブAI(GenAI)は、ソフトウェア工学におけるトランスフォーメーションツールとして登場した。 本稿では、要件工学におけるGenAIを活用した最先端の応用と革新的な提案について分析する。
  論文  参考訳（メタデータ） (2024-09-10T02:44:39Z)
• Generative AI Agent for Next-Generation MIMO Design: Fundamentals, Challenges, and Vision [76.4345564864002]
  次世代の多重入力多重出力(MIMO)はインテリジェントでスケーラブルであることが期待される。 本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。 本稿では、生成AIエージェントをパフォーマンス分析に活用することの有効性を示す2つの説得力のあるケーススタディを示す。
  論文  参考訳（メタデータ） (2024-04-13T02:39:36Z)
• Mixing Artificial and Natural Intelligence: From Statistical Mechanics to AI and Back to Turbulence [0.5348370085388683]
  この論文は、科学研究におけるAIの役割を反映しており、特に乱流研究に焦点を当てている。 これは、ディープニューラルネットワークの革新的利用を通じて、ラグランジアンモデルによる乱流の減少にAIが与える大きな影響を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-03-26T12:45:52Z)
• Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
  この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。 本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
  論文  参考訳（メタデータ） (2024-02-21T08:29:42Z)
• Artificial Intelligence for Operations Research: Revolutionizing the Operations Research Process [15.471884798655063]
  人工知能(AI)技術の急速な進歩により、オペレーティングリサーチ(OR)を含む様々な分野に革命をもたらす新たな機会が開かれた。 本稿では,AIのORプロセス(AI4OR)への統合について検討し,その有効性と効率を複数の段階にわたって向上させる。 AIとORの相乗効果は、多くの領域において、大幅な進歩と新しいソリューションを推し進める可能性がある。
  論文  参考訳（メタデータ） (2024-01-06T15:55:14Z)
• AI in Supply Chain Risk Assessment: A Systematic Literature Review and Bibliometric Analysis [0.0]
  サプライチェーンリスクアセスメント(SCRA)は、人工知能(AI)と機械学習(ML)技術を統合することで、大きな進化を目撃している。 以前のレビューでは確立した方法論を概説しているが、新たなAI/ML技術を見落としている。 本稿では,総合的な文献分析と体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-12-12T17:47:51Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• Interpretable and Robust AI in EEG Systems: A Survey [13.911001648611832]
  本稿では, 逆伝播, 摂動, 本質的に解釈可能な方法の3つのタイプに分類し, 解釈可能性の分類法を提案する。 我々は、頑健性メカニズムをノイズとアーティファクト、人間の多様性、データ取得不安定性、敵攻撃の4つのクラスに分類する。
  論文  参考訳（メタデータ） (2023-04-21T05:51:39Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)

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。