論文の概要: Integrating Neurosymbolic AI in Advanced Air Mobility: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2508.07163v1
• Date: Sun, 10 Aug 2025 03:30:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.732197
• Title: Integrating Neurosymbolic AI in Advanced Air Mobility: A Comprehensive Survey
• Title（参考訳）: 高度空気移動におけるニューロシンボリックAIの統合:包括的調査
• Authors: Kamal Acharya, Iman Sharifi, Mehul Lad, Liang Sun, Houbing Song,
• Abstract要約: ニューロシンボリックAIは、ニューラルネットワーク適応性とシンボリック推論を組み合わせる。 この調査は、主要なAdvanced Air Mobilityドメインにわたるアプリケーションについてレビューする。 我々は、現在の進歩を分類し、関連するケーススタディを提示し、今後の研究方向性を概説する。
• 参考スコア（独自算出の注目度）: 19.989015008002056
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neurosymbolic AI combines neural network adaptability with symbolic reasoning, promising an approach to address the complex regulatory, operational, and safety challenges in Advanced Air Mobility (AAM). This survey reviews its applications across key AAM domains such as demand forecasting, aircraft design, and real-time air traffic management. Our analysis reveals a fragmented research landscape where methodologies, including Neurosymbolic Reinforcement Learning, have shown potential for dynamic optimization but still face hurdles in scalability, robustness, and compliance with aviation standards. We classify current advancements, present relevant case studies, and outline future research directions aimed at integrating these approaches into reliable, transparent AAM systems. By linking advanced AI techniques with AAM's operational demands, this work provides a concise roadmap for researchers and practitioners developing next-generation air mobility solutions.
• Abstract（参考訳）: Neurosymbolic AIは、ニューラルネットワークの適応性と象徴的推論を組み合わせることで、Advanced Air Mobility(AAM)における複雑な規制、運用、安全性の課題に対処するアプローチを約束する。 本調査では, 需要予測, 航空機設計, リアルタイム航空交通管理など, 主要なAAM領域における適用状況について検討する。 我々の分析では、ニューロシンボリック強化学習(Neurosymbolic Reinforcement Learning)を含む方法論が、動的最適化の可能性を示したが、拡張性、堅牢性、および航空基準の遵守のハードルに直面している、断片化された研究環境を明らかにした。 我々は、現在の進歩を分類し、関連するケーススタディを提示し、これらのアプローチを信頼性のある透明なAAMシステムに統合することを目的とした今後の研究の方向性を概説する。 この研究は、高度なAI技術とAAMの運用要求を結びつけることで、研究者や実践者が次世代の空気移動ソリューションを開発するための簡潔なロードマップを提供する。

関連論文リスト

• Agentic Satellite-Augmented Low-Altitude Economy and Terrestrial Networks: A Survey on Generative Approaches [76.12691010182802]
  本調査は,衛星搭載低高度経済と地上ネットワーク(SLAETN)におけるエージェント人工知能(AI)の実現に焦点をあてる。 SLAETNのアーキテクチャと特徴を紹介するとともに,衛星,空中,地上コンポーネントの統合において生じる課題を分析する。 これらのモデルが,コミュニケーション強化,セキュリティとプライバシ保護,インテリジェントな衛星タスクという,3つの領域にわたるエージェント機能をどのように強化するかを検討する。
  論文  参考訳（メタデータ） (2025-07-19T14:07:05Z)
• UAVs Meet Agentic AI: A Multidomain Survey of Autonomous Aerial Intelligence and Agentic UAVs [0.36868085124383626]
  エージェントUAVは、ゴール駆動行動、文脈推論、対話的自律性を示すことによって、従来のUAVを上回る。 本研究では, 精密農業, 建設・鉱業, 災害対応, 環境モニタリング, インフラ検査, 物流, セキュリティ, 野生生物保護の7分野について検討した。
  論文  参考訳（メタデータ） (2025-06-08T01:39:51Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Human-Computer Interaction and Human-AI Collaboration in Advanced Air Mobility: A Comprehensive Review [0.6773779131980007]
  本稿では,AAM(Advanced Air Mobility)における人-コンピュータインタラクションと人-AIコラボレーションに関する研究の現状について概説する。 我々は、パイロットトレーニング、航空交通管理、AIによる意思決定システムと、拡張、仮想、混合、拡張現実デバイスといった没入型技術の統合など、さまざまな用途におけるヒューマンマシンインタフェースの設計に関するAAMアプリケーションに焦点を当てる。 我々は、AIシステムへの信頼や安全上の懸念など、これらのインタラクションに関連するユニークな課題を含む、ヒューマン・コンピュータ・フレームワークの統合においてAAMが直面する課題を包括的に分析する。
  論文  参考訳（メタデータ） (2024-12-10T07:06:52Z)
• Tradeoffs When Considering Deep Reinforcement Learning for Contingency Management in Advanced Air Mobility [0.0]
  航空輸送は、Advanced Air Mobility (AAM)の導入により、世界中で急速に進化している。 運用上の安全性と効率の目標を達成するためには、自動化のレベルが増加する必要がある。 本稿では,複雑・高次元環境において有望な性能を示す深層強化学習(DRL)の利用について検討する。
  論文  参考訳（メタデータ） (2024-06-28T19:09:55Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 ディープラーニングとエッジコンピューティングの進歩により、VADは大きな進歩を遂げた。 この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• A Comprehensive Review of AI-enabled Unmanned Aerial Vehicle: Trends, Vision , and Challenges [0.6827423171182153]
  この研究は、AIがナビゲーション、物体の検出と追跡、野生生物のモニタリング、精密農業の強化、救助活動の促進、監視活動の実施、環境に配慮した計算技術を用いたUAV間のコミュニケーションの確立にどのように貢献するかを検討する。 可能性を見据えながら、倫理的考慮、安全性に関する懸念、確立すべき規制フレームワーク、AIに強化されたUAVシステムの責任ある展開についても検討する。
  論文  参考訳（メタデータ） (2023-10-25T04:52:16Z)
• Multi-Agent Simulation for AI Behaviour Discovery in Operations Research [0.9137554315375919]
  ACE0は、マルチエージェントシミュレーションにおける行動発見のためのAIメソッドの適合性と生存性を評価するプラットフォームである。 本稿では, システムアーキテクチャの技術的概要, 航空宇宙領域における行動発見の事例研究, システムの質的評価について述べる。
  論文  参考訳（メタデータ） (2021-08-30T15:14:06Z)
• Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
  動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
  論文  参考訳（メタデータ） (2020-01-28T15:10:22Z)

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。