論文の概要: An extended reality-based framework for user risk training in urban built environment

• arxiv url: http://arxiv.org/abs/2511.02837v1
• Date: Fri, 19 Sep 2025 10:08:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.126132
• Title: An extended reality-based framework for user risk training in urban built environment
• Title（参考訳）: 都市建設環境におけるユーザリスクトレーニングのための拡張現実型フレームワーク
• Authors: Sotirios Konstantakos, Sotirios Asparagkathos, Moatasim Mahmoud, Stamatia Rizou, Enrico Quagliarini, Gabriele Bernardini,
• Abstract要約: 本稿では,都市構築環境におけるユーザリスクトレーニングを改善するための拡張現実感(XR)ベースのフレームワークを提案する。 この枠組みは、市民、地方当局、緊急対応者を含む様々な利害関係者のリスク認識と準備を改善するように設計されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the context of increasing urban risks, particularly from climate change-induced flooding, this paper presents an extended Reality (XR)-based framework to improve user risk training within urban built environments. The framework is designed to improve risk awareness and preparedness among various stakeholders, including citizens, local authorities, and emergency responders. Using immersive XR technologies, the training experience simulates real-world emergency scenarios, contributing to active participation and a deeper understanding of potential hazards and especially for floods. The framework highlights the importance of stakeholder participation in its development, ensuring that training modules are customized to address the specific needs of different user groups. The iterative approach of the framework supports ongoing refinement through user feedback and performance data, thus improving the overall effectiveness of risk training initiatives. This work outlines the methodological phases involved in the framework's implementation, including i) user flow mapping, ii) scenario selection, and iii) performance evaluation, with a focus on the pilot application in Senigallia, Italy. The findings underscore the potential of XR technologies to transform urban risk training, promoting a culture of preparedness and resilience against urban hazards.
• Abstract（参考訳）: 本稿では,特に気候変動に伴う洪水による都市リスクの増加に関して,都市構築環境におけるユーザリスクトレーニングを改善するための拡張現実(XR)ベースのフレームワークを提案する。 この枠組みは、市民、地方当局、緊急対応者を含む様々な利害関係者のリスク認識と準備を改善するように設計されている。 没入型XR技術を使用することで、トレーニング体験は現実の緊急シナリオをシミュレートし、積極的な参加と潜在的な危険、特に洪水に対する深い理解に寄与する。 このフレームワークは、開発におけるステークホルダーの参加の重要性を強調し、異なるユーザーグループの特定のニーズに対応するために、トレーニングモジュールがカスタマイズされることを保証する。 このフレームワークの反復的なアプローチは、ユーザフィードバックとパフォーマンスデータによる継続的な改善をサポートし、リスクトレーニングイニシアチブの全体的な効果を向上させる。 本研究は,フレームワークの実装に関わる方法論的フェーズについて概説する。 i) ユーザフローマッピング 二 シナリオ選択、及び 三 イタリア・セニガリアのパイロット事業に焦点をあてて、性能評価。 この結果は、都市リスクトレーニングを変革し、都市危険に対する準備とレジリエンスの文化を促進するためのXR技術の可能性を浮き彫りにした。

関連論文リスト

• Enhancing Demand-Oriented Regionalization with Agentic AI and Local Heterogeneous Data for Adaptation Planning [1.0449613031852045]
  本稿では,災害計画のための需要指向の地域をユーザが生成できるエージェントAIを用いた計画支援システムを提案する。 空間制約型自己組織化マップ(RepSC-SOM)上に構築したプラットフォーム フロリダ州ジャクソンビルにおける洪水関連リスクのケーススタディを通じて, プラットフォームの性能を実証した。
  論文  参考訳（メタデータ） (2025-11-13T23:50:36Z)
• RADAR: A Risk-Aware Dynamic Multi-Agent Framework for LLM Safety Evaluation via Role-Specialized Collaboration [81.38705556267917]
  大規模言語モデル(LLM)の既存の安全性評価手法は、固有の制約に悩まされている。 リスク概念空間を再構築する理論的枠組みを導入する。 マルチエージェント協調評価フレームワークRADARを提案する。
  論文  参考訳（メタデータ） (2025-09-28T09:35:32Z)
• Vision-Based Risk Aware Emergency Landing for UAVs in Complex Urban Environments [0.46873264197900916]
  本稿では,セマンティックセグメンテーションを利用したリスク認識手法を提案する。 本手法は,臨界障害物を移動しながら安定な安全着陸ゾーン(SLZ)を適応的に同定する。 制御システムはUAVをこの低リスク領域に向けて誘導し、高度依存性の安全しきい値と時間的着地点安定化を利用する。
  論文  参考訳（メタデータ） (2025-05-26T18:16:21Z)
• Automatic Curriculum Learning for Driving Scenarios: Towards Robust and Efficient Reinforcement Learning [11.602831593017427]
  本稿では、強化学習(RL)を用いたエンドツーエンド自動運転エージェントの訓練の課題について述べる。 RLエージェントは通常、シミュレーションにおいて周囲の道路利用者の一定のシナリオと名目上の振る舞いで訓練される。 本稿では,エージェントの進化能力に基づいて,適応性のある複雑な運転シナリオを動的に生成する自動カリキュラム学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-13T06:26:57Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Enhanced Urban Region Profiling with Adversarial Self-Supervised Learning for Robust Forecasting and Security [12.8405655328298]
  既存のメソッドは、ノイズ、データ不完全性、セキュリティ脆弱性といった問題に悩まされることが多い。 本稿では,EUPAS(Adversarial Self-Supervised Learning)を用いた都市域プロファイリング手法を提案する。 EUPASは、犯罪予測、チェックイン予測、土地利用分類などの様々な予測タスクにおいて、堅牢なパフォーマンスを保証する。
  論文  参考訳（メタデータ） (2024-02-02T06:06:45Z)
• Model evaluation for extreme risks [46.53170857607407]
  AI開発のさらなる進歩は、攻撃的なサイバー能力や強力な操作スキルのような極端なリスクを引き起こす能力につながる可能性がある。 モデル評価が極端なリスクに対処するために重要である理由を説明します。
  論文  参考訳（メタデータ） (2023-05-24T16:38:43Z)

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。