論文の概要: Disaster Management in the Era of Agentic AI Systems: A Vision for Collective Human-Machine Intelligence for Augmented Resilience

• arxiv url: http://arxiv.org/abs/2510.16034v2
• Date: Tue, 21 Oct 2025 02:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:11.72208
• Title: Disaster Management in the Era of Agentic AI Systems: A Vision for Collective Human-Machine Intelligence for Augmented Resilience
• Title（参考訳）: エージェントAIシステム時代の災害管理:強化レジリエンスのための集合的人間・機械知能の展望
• Authors: Bo Li, Junwei Ma, Kai Yin, Yiming Xiao, Chia-Wei Hsu, Ali Mostafavi,
• Abstract要約: Disaster Copilotは、これらのシステム的課題を克服するために設計された、マルチエージェント人工知能システムのビジョンである。 提案アーキテクチャでは,予測リスク分析,状況認識,影響評価といった重要な領域を専門とする,多様なサブエージェントの調整に,中央オーケストレータを使用している。
• 参考スコア（独自算出の注目度）: 13.155469498169866
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The escalating frequency and severity of disasters routinely overwhelm traditional response capabilities, exposing critical vulnerability in disaster management. Current practices are hindered by fragmented data streams, siloed technologies, resource constraints, and the erosion of institutional memory, which collectively impede timely and effective decision making. This study introduces Disaster Copilot, a vision for a multi-agent artificial intelligence system designed to overcome these systemic challenges by unifying specialized AI tools within a collaborative framework. The proposed architecture utilizes a central orchestrator to coordinate diverse sub-agents, each specializing in critical domains such as predictive risk analytics, situational awareness, and impact assessment. By integrating multi-modal data, the system delivers a holistic, real-time operational picture and serve as the essential AI backbone required to advance Disaster Digital Twins from passive models to active, intelligent environments. Furthermore, it ensures functionality in resource-limited environments through on-device orchestration and incorporates mechanisms to capture institutional knowledge, mitigating the impact of staff turnover. We detail the system architecture and propose a three-phased roadmap emphasizing the parallel growth of technology, organizational capacity, and human-AI teaming. Disaster Copilot offers a transformative vision, fostering collective human-machine intelligence to build more adaptive, data-driven and resilient communities.
• Abstract（参考訳）: 災害発生頻度と重大度は、災害管理における重大な脆弱性を露呈し、従来の対応能力を常に超過している。 現在のプラクティスは、断片化されたデータストリーム、サイロ化された技術、リソース制約、組織記憶の侵食によって妨げられています。 この研究は、協調的なフレームワーク内で専門的なAIツールを統合することで、これらのシステム的課題を克服するために設計された、マルチエージェント人工知能システムのビジョンであるDeram Copilotを紹介する。 提案アーキテクチャでは,予測リスク分析,状況認識,影響評価といった重要な領域を専門とする,多様なサブエージェントの調整に,中央オーケストレータを使用している。 マルチモーダルデータを統合することで、システムは総合的でリアルタイムな運用イメージを提供し、受動的モデルからアクティブなインテリジェントな環境へ、ディザスタ・デジタル・ツインズを前進させるために必要なAIバックボーンとして機能する。 さらに、オンデバイスオーケストレーションを通じてリソース制限された環境の機能を保証するとともに、組織的知識を捕捉し、スタッフの離職の影響を軽減するメカニズムを取り入れている。 システムアーキテクチャを詳述し、技術、組織能力、人間とAIのチーム間の並行的な成長を強調する3段階のロードマップを提案する。 災害コパイロットは変革的なビジョンを提供し、より適応的でデータ駆動的でレジリエントなコミュニティを構築するために、集合的な人間マシンインテリジェンスを促進する。

関連論文リスト

• Human-AI Use Patterns for Decision-Making in Disaster Scenarios: A Systematic Review [0.0]
  我々は,人間とAIの意思決定支援システム,タスクとリソースの調整,信頼と透明性,シミュレーションとトレーニングの4つのカテゴリを識別する。 これらの内部では、認知強化インテリジェンス、マルチエージェントコーディネーション、説明可能なAI、仮想トレーニング環境などのサブパターンを分析します。 我々のレビューでは、AIシステムが状況認識を強化し、応答効率を向上し、複雑な意思決定をサポートするとともに、スケーラビリティ、解釈可能性、システムの相互運用性において重要な制限に直面している点を強調している。
  論文  参考訳（メタデータ） (2025-09-15T15:18:49Z)
• Situational Awareness as the Imperative Capability for Disaster Resilience in the Era of Complex Hazards and Artificial Intelligence [1.1368819707015188]
  災害はしばしば確立された危険モデルを超え、予期せぬ影響や脆弱性が効果的な対応を妨げている盲点を明らかにする。 状況認識(SA) - 動的危機条件を知覚し、解釈し、計画する能力は、しばしば見過ごされるが、災害の回復に不可欠な能力である。
  論文  参考訳（メタデータ） (2025-08-21T03:38:47Z)
• Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
  大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。 このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。 本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:58:12Z)
• AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
  私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。 まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。 第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
  論文  参考訳（メタデータ） (2025-06-14T12:43:07Z)
• TRIFFID: Autonomous Robotic Aid For Increasing First Responders Efficiency [33.272295358597695]
  本稿では,無人航空機と高度人工知能機能を組み合わせたTRIFFIDシステムを提案する。 提案システムは,高度なミッション計画,安全監視,適応型タスク実行機能を提供することで,緊急対応チームを強化する。
  論文  参考訳（メタデータ） (2025-02-13T14:46:40Z)
• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。 我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• Enhanced Adversarial Strategically-Timed Attacks against Deep Reinforcement Learning [91.13113161754022]
  本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。 実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-02-20T21:39:25Z)

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。