Fugu-MT 論文翻訳(概要): Toward an Agricultural Operational Design Domain: A Framework

論文の概要: Toward an Agricultural Operational Design Domain: A Framework

arxiv url: http://arxiv.org/abs/2511.02937v1
Date: Tue, 04 Nov 2025 19:33:34 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-06 18:19:32.222435
Title: Toward an Agricultural Operational Design Domain: A Framework
Title（参考訳）: 農業経営設計領域に向けて:フレームワーク
Authors: Mirco Felske, Jannik Redenius, Georg Happich, Julius Schöning,
Abstract要約: 農業の自動化は、運転と作業プロセスを統合する。既存のオペレーショナル・デザイン・ドメイン(ODD)の概念は、まだ農業アプリケーションにおけるユニークな課題に対処していない。本研究は,自律型農業システムの運用境界を記述および検証するために使用できる農業用ODD(Ag-ODD)フレームワークを紹介する。
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: The agricultural sector increasingly relies on autonomous systems that operate in complex and variable environments. Unlike on-road applications, agricultural automation integrates driving and working processes, each of which imposes distinct operational constraints. Handling this complexity and ensuring consistency throughout the development and validation processes requires a structured, transparent, and verified description of the environment. However, existing Operational Design Domain (ODD) concepts do not yet address the unique challenges of agricultural applications. Therefore, this work introduces the Agricultural ODD (Ag-ODD) Framework, which can be used to describe and verify the operational boundaries of autonomous agricultural systems. The Ag-ODD Framework consists of three core elements. First, the Ag-ODD description concept, which provides a structured method for unambiguously defining environmental and operational parameters using concepts from ASAM Open ODD and CityGML. Second, the 7-Layer Model derived from the PEGASUS 6-Layer Model, has been extended to include a process layer to capture dynamic agricultural operations. Third, the iterative verification process verifies the Ag-ODD against its corresponding logical scenarios, derived from the 7-Layer Model, to ensure the Ag-ODD's completeness and consistency. Together, these elements provide a consistent approach for creating unambiguous and verifiable Ag-ODD. Demonstrative use cases show how the Ag-ODD Framework can support the standardization and scalability of environmental descriptions for autonomous agricultural systems.
Abstract（参考訳）: 農業部門は、複雑で変動的な環境で機能する自律システムにますます依存している。オンロードアプリケーションとは異なり、農業自動化は運転と作業プロセスを統合しており、それぞれが明確な運用上の制約を課している。この複雑さに対処し、開発と検証プロセス全体を通して一貫性を確保するには、環境の構造的で透明で、検証された説明が必要です。しかし、既存のオペレーショナル・デザイン・ドメイン(ODD)の概念はまだ農業応用のユニークな課題に対処していない。そこで本研究では,自律型農業システムの運用境界を記述・検証するために,農業用ODD(Ag-ODD)フレームワークを導入する。 Ag-ODD Frameworkは3つのコア要素で構成されている。まず、ASAM Open ODDとCityGMLの概念を用いて、環境および運用パラメータをあいまいに定義するための構造化された方法を提供するAg-ODD記述概念を提供する。第二に、PEGASUS 6-Layer Modelから派生した7-Layer Modelは、動的な農業操作を捉えるプロセス層を含むように拡張されている。第3に、反復検証プロセスは、Ag-ODDの完全性と整合性を保証するために、7層モデルに由来する対応する論理シナリオに対してAg-ODDを検証する。これらの要素は、あいまいで検証可能なAg-ODDを作成するための一貫したアプローチを提供する。実証的なユースケースは、Ag-ODDフレームワークが自律型農業システムにおける環境記述の標準化とスケーラビリティをどのようにサポートするかを示している。

関連論文リスト

Agentic Problem Frames: A Systematic Approach to Engineering Reliable Domain Agents [0.0]
大きな言語モデル(LLM)は、自律的なエージェントへと進化していますが、現在の"フレームワークレス"な開発は、あいまいな自然言語に基づいています。本研究では,内部モデルインテリジェンスからエージェントと環境間の構造的相互作用に焦点を移すシステム工学フレームワークであるエージェント問題フレーム(APF)を提案する。
論文参考訳（メタデータ） (2026-02-22T06:32:32Z)
AgriAgent: Contract-Driven Planning and Capability-Aware Tool Orchestration in Real-World Agriculture [10.079493887268507]
AgriAgentは、現実世界の農業のための2段階のエージェントフレームワークである。単純なタスクは、モーダリティ固有のエージェントによる直接推論によって処理される。複雑なタスクは、機能要件としてタスクを定式化するコントラクト駆動の計画メカニズムを起動する。
論文参考訳（メタデータ） (2026-01-13T07:53:09Z)
Executable Ontologies in Game Development: From Algorithmic Control to Semantic World Modeling [51.56484100374058]
我々は,実行可能オントロジー(EO)が,アルゴリズム行動プログラミングからセマンティックワールドモデリングへ移行したことを論じる。本稿では,EOが明示的なプリエンプションロジックではなく,データフロー条件によるタスク割り込みを優先的に行う方法を示す。
論文参考訳（メタデータ） (2026-01-12T19:57:35Z)
Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
論文参考訳（メタデータ） (2025-12-31T14:03:39Z)
Monadic Context Engineering [59.95390010097654]
本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
論文参考訳（メタデータ） (2025-12-27T01:52:06Z)
Domain-Specific Data Generation Framework for RAG Adaptation [58.20906914537952]
Retrieval-Augmented Generation (RAG)は、大規模言語モデルの言語理解と推論能力と外部検索を組み合わせ、ドメイン基底応答を可能にする。本稿では,様々なRAG適応手法に合わせて,ドメイン基底型質問応答コンテキスト(QAC)トリプルを生成するフレームワークであるRAGenを提案する。
論文参考訳（メタデータ） (2025-10-13T09:59:49Z)
AgriGPT: a Large Language Model Ecosystem for Agriculture [16.497060004913806]
AgriGPTは、農業利用のためのドメイン特化大規模言語モデルエコシステムである。信頼性のあるデータソースを,高品質で標準化された質問応答データセットであるAgri-342Kにコンパイルする,スケーラブルなデータエンジンを設計する。本稿では,高密度検索,スパース検索,マルチホップ知識グラフ推論を組み合わせた3チャンネル検索拡張フレームワークTri-RAGを用いる。
論文参考訳（メタデータ） (2025-08-12T04:51:08Z)
Role-Aware Language Models for Secure and Contextualized Access Control in Organizations [4.122315998598296]
大規模言語モデル(LLM)は、ますますエンタープライズ環境にデプロイされている。組織の役割の異なるアクセス権限を反映した応答を生成するために,LSMを微調整できるかどうかを検討する。
論文参考訳（メタデータ） (2025-07-31T11:41:04Z)
MSDA: Combining Pseudo-labeling and Self-Supervision for Unsupervised Domain Adaptation in ASR [59.83547898874152]
本稿では,自己教師付き学習と半教師付き技術を統合する,サンプル効率のよい2段階適応手法を提案する。 MSDAは、ASRモデルの堅牢性と一般化を強化するように設計されている。本稿では,メタPLがASRタスクに効果的に適用可能であることを示す。
論文参考訳（メタデータ） (2025-05-30T14:46:05Z)
a1: Steep Test-time Scaling Law via Environment Augmented Generation [45.19240207975418]
Environment Augmented Generation (EAG) は、大規模言語モデルの推論をリアルタイムな環境フィードバックによって強化するフレームワークである。 EAGは、実行フィードバックと分岐探索の緊密な統合を通じて、意図的にバックトラックと戦略的再計画を可能にする。 A1-32Bモデルは、すべてのベンチマークで類似サイズのモデル間で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2025-04-20T12:55:59Z)
DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2025-03-07T11:41:18Z)
Agricultural Industry Initiatives on Autonomy: How collaborative initiatives of VDMA and AEF can facilitate complexity in domain crossing harmonization needs [44.99833362998488]
農業産業は、自律技術の採用の増加とともに、大きな変革を遂げている。本稿では,これらの課題に対処するための協力グループとイニシアチブについて検討する。本稿では,これらの協力的取り組みの概要を述べることによって,自律型農業システムの共同開発に焦点をあてる。
論文参考訳（メタデータ） (2025-01-29T19:52:24Z)
Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。本稿では,知識蒸留を用いた領域一般化手法を提案する。
論文参考訳（メタデータ） (2023-04-03T14:28:29Z)

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。