論文の概要: Robotic Fire Risk Detection based on Dynamic Knowledge Graph Reasoning: An LLM-Driven Approach with Graph Chain-of-Thought

• arxiv url: http://arxiv.org/abs/2509.00054v2
• Date: Sun, 07 Sep 2025 05:25:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.339045
• Title: Robotic Fire Risk Detection based on Dynamic Knowledge Graph Reasoning: An LLM-Driven Approach with Graph Chain-of-Thought
• Title（参考訳）: 動的知識グラフ推論に基づくロボット火災リスク検出:グラフチェーン・オブ・サートを用いたLCM駆動アプローチ
• Authors: Haimei Pan, Jiyun Zhang, Qinxi Wei, Xiongnan Jin, Chen Xinkai, Jie Cheng,
• Abstract要約: 火災は極めて破壊的な災害であるが、効果的な予防は発生の可能性を著しく低下させる可能性がある。 火災リスクのシナリオに緊急ロボットを配置することは、人間の対応者の危険を最小限に抑えるのに役立つ。 災害前警報や災害時救助に関する現在の研究は、いまだに不完全な認識のために重大な課題に直面している。
• 参考スコア（独自算出の注目度）: 3.51975667685144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fire is a highly destructive disaster, but effective prevention can significantly reduce its likelihood of occurrence. When it happens, deploying emergency robots in fire-risk scenarios can help minimize the danger to human responders. However, current research on pre-disaster warnings and disaster-time rescue still faces significant challenges due to incomplete perception, inadequate fire situational awareness, and delayed response. To enhance intelligent perception and response planning for robots in fire scenarios, we first construct a knowledge graph (KG) by leveraging large language models (LLMs) to integrate fire domain knowledge derived from fire prevention guidelines and fire rescue task information from robotic emergency response documents. We then propose a new framework called Insights-on-Graph (IOG), which integrates the structured fire information of KG and Large Multimodal Models (LMMs). The framework generates perception-driven risk graphs from real-time scene imagery to enable early fire risk detection and provide interpretable emergency responses for task module and robot component configuration based on the evolving risk situation. Extensive simulations and real-world experiments show that IOG has good applicability and practical application value in fire risk detection and rescue decision-making.
• Abstract（参考訳）: 火災は極めて破壊的な災害であるが、効果的な予防は発生の可能性を著しく低下させる可能性がある。 火事の現場に緊急ロボットを配置することは、人間の対応者の危険を最小化するのに役立ちます。 しかし, 火災予報や災害時救助に関する最近の研究は, 不完全な認識, 火災状況の認識の不十分, 応答の遅れなど, 重大な課題に直面している。 火災シナリオにおけるロボットのインテリジェントな認識と対応計画を強化するために,我々はまず,大規模言語モデル(LLM)を活用して,火災防止ガイドラインとロボット緊急対応文書からの消防活動情報を統合する知識グラフ(KG)を構築した。 そこで我々は,KGとLMM(Large Multimodal Models)の構造的火災情報を統合するIOG( Insights-on-Graph)という新しいフレームワークを提案する。 フレームワークは、リアルタイムのシーン画像から認識駆動型リスクグラフを生成し、早期の火災リスク検出を可能にし、進化するリスク状況に基づいてタスクモジュールとロボットコンポーネントの構成に対する解釈可能な緊急応答を提供する。 大規模シミュレーションと実世界の実験により、IOGは、火災リスクの検出と救助意思決定において、優れた適用性と実用的価値を有することが示された。

関連論文リスト

• An Approach to Technical AGI Safety and Security [72.83728459135101]
  我々は、人類を著しく傷つけるのに十分な害のリスクに対処するアプローチを開発する。 私たちは、誤用や悪用に対する技術的なアプローチに重点を置いています。 これらの成分を組み合わせてAGIシステムの安全性を実現する方法について概説する。
  論文  参考訳（メタデータ） (2025-04-02T15:59:31Z)
• From Occurrence to Consequence: A Comprehensive Data-driven Analysis of Building Fire Risk [0.0]
  建築火災は、生命、財産、インフラに永続的な脅威をもたらす。 本研究では,米国の火災リスクを分析したデータ駆動型フレームワークを提案する。 火災の発生と結果に影響を及ぼす主要なリスク要因を同定する。
  論文  参考訳（メタデータ） (2025-03-11T14:55:31Z)
• 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)
• A comprehensive survey of research towards AI-enabled unmanned aerial systems in pre-, active-, and post-wildfire management [6.043705525669726]
  森林火災は世界でも最も破壊的な自然災害の1つであり、人命と森林の野生生物に壊滅的な被害をもたらしている。 近年、無人航空機(UAV)とディープラーニングモデルの統合によって推進される山火事における人工知能(AI)の使用は、より効果的な山火事管理を実装し、開発するための前例のない勢いを生み出している。
  論文  参考訳（メタデータ） (2024-01-04T05:09:35Z)
• Reinforcement Learning for Wildfire Mitigation in Simulated Disaster Environments [39.014859667729375]
  森林火災は生命、財産、生態学、文化遺産、重要なインフラに脅威をもたらす。 SimFireは、現実的な山火事シナリオを生成するために設計された、多用途の野火投射シミュレータである。 SimHarnessはモジュール型のエージェントベースの機械学習ラッパーで、自動的に土地管理戦略を生成することができる。
  論文  参考訳（メタデータ） (2023-11-27T15:37:05Z)
• On the Security Risks of Knowledge Graph Reasoning [71.64027889145261]
  我々は、敵の目標、知識、攻撃ベクトルに応じて、KGRに対するセキュリティ脅威を体系化する。 我々は、このような脅威をインスタンス化する新しいタイプの攻撃であるROARを提示する。 ROARに対する潜在的な対策として,潜在的に有毒な知識のフィルタリングや,対向的な拡張クエリによるトレーニングについて検討する。
  論文  参考訳（メタデータ） (2023-05-03T18:47:42Z)
• Integrating Deep Learning and Augmented Reality to Enhance Situational Awareness in Firefighting Environments [4.061135251278187]
  文献の中では,消防士の状況認識を初めて構築するための,新たな4つのアプローチを提案する。 まず、深層畳み込みニューラルネットワーク(CNN)システムを用いて、熱画像から興味のある物体をリアルタイムで分類、同定した。 次に、オブジェクト検出、追跡、Mask RCNNフレームワークによるセグメンテーション、マルチモーダル自然言語処理(NLP)フレームワークによるシーン記述のためのCNNフレームワークを拡張した。 第3に、ストレスによる不整合と不安に免疫する深いQラーニングに基づくエージェントを構築し、観察結果に基づいて明確なナビゲーション決定を行う。
  論文  参考訳（メタデータ） (2021-07-23T06:35:13Z)
• An embedded deep learning system for augmented reality in firefighting applications [2.750124853532832]
  この研究は、ディープラーニング、ポイントクラウド、サーマルイメージング、拡張現実プラットフォームなど、最近の技術の進歩を実践している。 我々は、消防士の個人防護装置(PPE)に組み込まれたカメラからストリームされるデータを利用して、熱、RGB色、深度画像をキャプチャする、プロトタイプの組込みシステムの設計と構築を行った。 組込みシステムは、処理された画像をワイヤレスストリーミングで分析して返却し、拡張現実プラットフォームを使用してリモートで消防士に中継することができる。
  論文  参考訳（メタデータ） (2020-09-22T16:55:44Z)

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。