論文の概要: AI and Remote Sensing for Resilient and Sustainable Built Environments: A Review of Current Methods, Open Data and Future Directions

• arxiv url: http://arxiv.org/abs/2507.01547v1
• Date: Wed, 02 Jul 2025 09:59:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.141941
• Title: AI and Remote Sensing for Resilient and Sustainable Built Environments: A Review of Current Methods, Open Data and Future Directions
• Title（参考訳）: レジリエントで持続可能な構築環境のためのAIとリモートセンシング:現在の方法,オープンデータ,今後の方向性について
• Authors: Ubada El Joulani, Tatiana Kalganova, Stergios-Aristoteles Mitoulis, Sotirios Argyroudis,
• Abstract要約: 輸送ネットワークのような重要なインフラは、モビリティと貿易を可能にすることで経済成長を支えている。 気候変動の影響、極端な天候、海面上昇、ハイブリッドな脅威は、その弾力性と機能に対するリスクを増大させる。 本稿では,新しいデジタル技術,特に人工知能(AI)が,交通インフラの損傷評価とモニタリングをいかに向上させるかを検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Critical infrastructure, such as transport networks, underpins economic growth by enabling mobility and trade. However, ageing assets, climate change impacts (e.g., extreme weather, rising sea levels), and hybrid threats ranging from natural disasters to cyber attacks and conflicts pose growing risks to their resilience and functionality. This review paper explores how emerging digital technologies, specifically Artificial Intelligence (AI), can enhance damage assessment and monitoring of transport infrastructure. A systematic literature review examines existing AI models and datasets for assessing damage in roads, bridges, and other critical infrastructure impacted by natural disasters. Special focus is given to the unique challenges and opportunities associated with bridge damage detection due to their structural complexity and critical role in connectivity. The integration of SAR (Synthetic Aperture Radar) data with AI models is also discussed, with the review revealing a critical research gap: a scarcity of studies applying AI models to SAR data for comprehensive bridge damage assessment. Therefore, this review aims to identify the research gaps and provide foundations for AI-driven solutions for assessing and monitoring critical transport infrastructures.
• Abstract（参考訳）: 輸送ネットワークのような重要なインフラは、モビリティと貿易を可能にすることで経済成長を支えている。 しかし、高齢化資産、気候変動の影響(例:極度の天候、海面上昇)、自然災害からサイバー攻撃、紛争などのハイブリッド脅威は、彼らのレジリエンスと機能にリスクを増大させる。 本稿では,新しいデジタル技術,特に人工知能(AI)が,交通インフラの損傷評価とモニタリングをいかに向上させるかを検討する。 体系的な文献レビューでは、道路、橋、その他の自然災害に影響を受ける重要なインフラの損傷を評価するために、既存のAIモデルとデータセットを検証している。 橋梁の損傷検出には, 構造が複雑であり, 接続性に重要な役割があるため, 特別な課題と機会に焦点が当てられている。 SAR(Synthetic Aperture Radar)データとAIモデルの統合も議論され、レビューでは重要な研究ギャップが明らかになった。 そこで本研究では,重要な輸送インフラの評価と監視を行うAI駆動ソリューションの基礎として,研究ギャップの特定を目的とする。

関連論文リスト

• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• AI and Generative AI Transforming Disaster Management: A Survey of Damage Assessment and Response Techniques [1.4513830934124627]
  各種自然災害の被害評価におけるAIとGenAIの展望を概観する。 我々は、テキスト、画像、ビデオ、オーディオなどのマルチモーダルデータへのその応用について語り、また、危機時のデータのプライバシー、セキュリティ、倫理的利用に関する主要な問題についても取り上げる。 我々は,災害管理全般において,安全で信頼性の高い倫理的生成AIシステムの必要性を強調し,今後の研究の成果を概説する。
  論文  参考訳（メタデータ） (2025-05-13T03:33:31Z)
• Information Retrieval in the Age of Generative AI: The RGB Model [77.96475639967431]
  本稿では,生成型AIツールの利用の増加に伴って生じる複雑な情報ダイナミクスについて,新たな定量的アプローチを提案する。 本稿では,新たなトピックに応答して情報の生成,索引付け,普及を特徴付けるモデルを提案する。 以上の結果から,AI導入の急激なペースとユーザ依存度の増加は,不正確な情報拡散のリスクを増大させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-04-29T10:21:40Z)
• Data Taxonomy Towards the Applicability of the Digital Twin Conceptual Framework in Disaster Management [0.562479170374811]
  Digital Twin (DT)は、重要なインフラの管理に新しいアプローチを提供する。 これらのインフラの複雑さと相互接続性の増加は、ロバストな災害対応と管理戦略の開発を必要とする。 本研究では,その特徴や脆弱性を危機事象と比較するための分類機能と類似性機能を紹介する。
  論文  参考訳（メタデータ） (2025-02-27T21:08:03Z)
• Standardised schema and taxonomy for AI incident databases in critical digital infrastructure [2.209921757303168]
  重要なデジタルインフラストラクチャへの人工知能の迅速な展開は、重大なリスクをもたらす。 既存のデータベースには、一貫性のあるデータ収集と分析に必要な標準化された構造だけでなく、粒度も欠けている。 この研究は、AIインシデントデータベースのための標準化されたスキーマと分類を提案し、セクタ全体でAIインシデントの詳細と構造化されたドキュメントを可能にする。
  論文  参考訳（メタデータ） (2025-01-28T15:59:01Z)
• Simulation of Multi-Stage Attack and Defense Mechanisms in Smart Grids [2.0766068042442174]
  電力グリッドのインフラと通信のダイナミクスを再現するシミュレーション環境を導入する。 このフレームワークは多様なリアルな攻撃データを生成し、サイバー脅威を検出し緩和するための機械学習アルゴリズムを訓練する。 また、高度な意思決定支援システムを含む、新興のセキュリティ技術を評価するための、制御された柔軟なプラットフォームも提供する。
  論文  参考訳（メタデータ） (2024-12-09T07:07:17Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
  次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。 本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。 因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
  論文  参考訳（メタデータ） (2023-09-23T00:05:39Z)
• AB2CD: AI for Building Climate Damage Classification and Detection [0.0]
  本研究では, 自然災害の文脈において, 建物の損傷評価を正確に行うための深層学習手法の実装について検討する。 我々は,低品質・騒音ラベルの影響を考慮しつつ,新たな災害・地域への一般化の課題に取り組む。 我々の研究結果は、気候変動によって引き起こされる極端気象事象の影響評価を強化するための高度なAIソリューションの可能性と限界を示している。
  論文  参考訳（メタデータ） (2023-09-03T03:37:04Z)

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。