論文の概要: From Domain Documents to Requirements: Retrieval-Augmented Generation in the Space Industry

• arxiv url: http://arxiv.org/abs/2507.07689v1
• Date: Thu, 10 Jul 2025 12:11:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.389468
• Title: From Domain Documents to Requirements: Retrieval-Augmented Generation in the Space Industry
• Title（参考訳）: ドメイン文書から要件へ:宇宙産業における検索支援世代
• Authors: Chetan Arora, Fanyu Wang, Chakkrit Tantithamthavorn, Aldeida Aleti, Shaun Kenyon,
• Abstract要約: 我々は、生の宇宙ミッション文書を前処理する、モジュール型のAI駆動型アプローチを提案する。 ドメイン標準からコンテキスト関連コンテンツを検索し、大規模言語モデルを用いてドラフト要求を合成する。 予備的な結果は、このアプローチが手作業の労力を削減し、関連する要件のカバレッジを改善し、軽量なコンプライアンスアライメントをサポートすることを示唆している。
• 参考スコア（独自算出の注目度）: 12.724250939323216
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Requirements engineering (RE) in the space industry is inherently complex, demanding high precision, alignment with rigorous standards, and adaptability to mission-specific constraints. Smaller space organisations and new entrants often struggle to derive actionable requirements from extensive, unstructured documents such as mission briefs, interface specifications, and regulatory standards. In this innovation opportunity paper, we explore the potential of Retrieval-Augmented Generation (RAG) models to support and (semi-)automate requirements generation in the space domain. We present a modular, AI-driven approach that preprocesses raw space mission documents, classifies them into semantically meaningful categories, retrieves contextually relevant content from domain standards, and synthesises draft requirements using large language models (LLMs). We apply the approach to a real-world mission document from the space domain to demonstrate feasibility and assess early outcomes in collaboration with our industry partner, Starbound Space Solutions. Our preliminary results indicate that the approach can reduce manual effort, improve coverage of relevant requirements, and support lightweight compliance alignment. We outline a roadmap toward broader integration of AI in RE workflows, intending to lower barriers for smaller organisations to participate in large-scale, safety-critical missions.
• Abstract（参考訳）: 宇宙産業における要求工学(RE)は本質的に複雑であり、高精度、厳格な基準との整合性、ミッション固有の制約への適応性を必要としている。 より小さな宇宙組織や新しい参加者は、ミッションブリーフやインターフェース仕様、規制基準といった、広範囲で構造化されていないドキュメントから実行可能な要件を導き出すのに苦労することが多い。 本稿では,空間領域における半自動要求生成を支援するためのRAGモデルの可能性について検討する。 我々は,宇宙ミッション文書を事前処理し,意味論的に意味のあるカテゴリに分類し,ドメイン標準からコンテキスト的に関連のあるコンテンツを検索し,大規模言語モデル(LLM)を用いてドラフト要件を合成する,モジュール型AI駆動型アプローチを提案する。 このアプローチを、宇宙領域からの実際のミッション文書に適用し、我々の産業パートナーであるスターバウンド・スペース・ソリューションズと共同で実現可能性を示し、初期の成果を評価する。 予備的な結果は、このアプローチが手作業の労力を削減し、関連する要件のカバレッジを改善し、軽量なコンプライアンスアライメントをサポートすることを示唆している。 私たちは、小さな組織が大規模な安全クリティカルなミッションに参加するための障壁を低くすることを目的として、REワークフローにおけるAIの広範な統合に向けたロードマップを概説しています。

関連論文リスト

• A Practical Approach for Building Production-Grade Conversational Agents with Workflow Graphs [2.7905014064567344]
  大きな言語モデル(LLM)は、さまざまなサービスドメインで大幅に改善されました。 産業環境でのSOTA(State-of-the-art)研究の適用は課題を提起する。
  論文  参考訳（メタデータ） (2025-05-29T02:30:27Z)
• Empowering Intelligent Low-altitude Economy with Large AI Model Deployment [44.117903911562415]
  低高度経済(LAE)は、商業と社会の航空活動を再定義する新興経済パラダイムである。 LAIMは、LAEサービスのインテリジェンスをさらに強化するための変革的なポテンシャルを提供する。 LAEにLAIMをデプロイすることは、計算/ストレージ要求とRAEエンティティの限られたオンボードリソースとのギャップなど、いくつかの課題をもたらす。
  論文  参考訳（メタデータ） (2025-05-28T13:27:07Z)
• Large Language Models Post-training: Surveying Techniques from Alignment to Reasoning [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• A Large Language Model-based Framework for Semi-Structured Tender Document Retrieval-Augmented Generation [1.9842353033302136]
  大規模言語モデル(LLM)は文書生成の可能性を示しているが、ほとんどのLLMは調達に特別な知識を欠いている。 我々は、検索強化技術を用いて、プロのドキュメント生成を実現し、調達文書の正確性と関連性を確保する。
  論文  参考訳（メタデータ） (2024-10-04T16:46:07Z)
• Trustful Coopetitive Infrastructures for the New Space Exploration Era [0.0]
  新しい宇宙経済において、宇宙機関、大企業、スタートアップは、様々な資源利用目的のために、宇宙マルチロボットシステム(MRS)を立ち上げることを目指している。 これらの利害関係者の競合する経済利害関係は、集中型デジタルプラットフォームにおける効果的な協力を妨げる可能性がある。 本稿では、新しいアーキテクチャフレームワークと、MSSにブロックチェーン技術を統合するための包括的な要求セットを提案する。
  論文  参考訳（メタデータ） (2024-02-08T19:24:38Z)
• Safe Model-Based Multi-Agent Mean-Field Reinforcement Learning [48.667697255912614]
  平均場強化学習は、同一エージェントの無限集団と相互作用する代表エージェントのポリシーに対処する。 モデルベースの平均場強化学習アルゴリズムであるSafe-M$3$-UCRLを提案する。 本アルゴリズムは,低需要領域におけるサービスアクセシビリティを確保しつつ,重要な領域における需要を効果的に満たす。
  論文  参考訳（メタデータ） (2023-06-29T15:57:07Z)
• Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。 広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。 しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
  論文  参考訳（メタデータ） (2023-05-30T03:00:30Z)

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。