論文の概要: AIRHILT: A Human-in-the-Loop Testbed for Multimodal Conflict Detection in Aviation
- arxiv url: http://arxiv.org/abs/2511.18718v1
- Date: Mon, 24 Nov 2025 03:18:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.994007
- Title: AIRHILT: A Human-in-the-Loop Testbed for Multimodal Conflict Detection in Aviation
- Title（参考訳）: AIRHILT:航空機におけるマルチモーダル衝突検出のためのロボットテストベッド
- Authors: Omar Garib, Jayaprakash D. Kambhampaty, Olivia J. Pinon Fischer, Dimitri N. Mavris,
- Abstract要約: AIRHILT(Aviation Integrated Reasoning, Human-in-the-Loop Testbed)を紹介する。
航空機の衝突検知のためのマルチモーダルパイロットおよび航空交通制御支援システムを評価するために設計されたモジュール式軽量なシミュレーション環境。
オープンソースのGodotエンジン上に構築されたAIRHILTは、パイロットとATC無線通信、カメラストリームからの視覚的シーン理解、統合されたプラットフォーム内のADS-B監視データを同期する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce AIRHILT (Aviation Integrated Reasoning, Human-in-the-Loop Testbed), a modular and lightweight simulation environment designed to evaluate multimodal pilot and air traffic control (ATC) assistance systems for aviation conflict detection. Built on the open-source Godot engine, AIRHILT synchronizes pilot and ATC radio communications, visual scene understanding from camera streams, and ADS-B surveillance data within a unified, scalable platform. The environment supports pilot- and controller-in-the-loop interactions, providing a comprehensive scenario suite covering both terminal area and en route operational conflicts, including communication errors and procedural mistakes. AIRHILT offers standardized JSON-based interfaces that enable researchers to easily integrate, swap, and evaluate automatic speech recognition (ASR), visual detection, decision-making, and text-to-speech (TTS) models. We demonstrate AIRHILT through a reference pipeline incorporating fine-tuned Whisper ASR, YOLO-based visual detection, ADS-B-based conflict logic, and GPT-OSS-20B structured reasoning, and present preliminary results from representative runway-overlap scenarios, where the assistant achieves an average time-to-first-warning of approximately 7.7 s, with average ASR and vision latencies of approximately 5.9 s and 0.4 s, respectively. The AIRHILT environment and scenario suite are openly available, supporting reproducible research on multimodal situational awareness and conflict detection in aviation; code and scenarios are available at https://github.com/ogarib3/airhilt.
- Abstract（参考訳）: Aviation Integrated Reasoning, Human-in-the-Loop Testbed(AHILT)は, 航空機衝突検出のためのマルチモーダルパイロットおよび航空交通制御(ATC)支援システムの評価を目的とした, モジュラーで軽量なシミュレーション環境である。
オープンソースのGodotエンジン上に構築されたAIRHILTは、パイロットとATC無線通信、カメラストリームからの視覚的シーン理解、統合されたスケーラブルなプラットフォーム内のADS-B監視データを同期する。
この環境は、パイロットとコントローラ・イン・ザ・ループのインタラクションをサポートし、通信エラーや手続き上のミスを含む、終端領域と経路上の競合の両方をカバーする包括的なシナリオスイートを提供する。
AIRHILTは、研究者が自動音声認識(ASR)、視覚検出、意思決定、テキスト音声(TTS)モデルを簡単に統合、交換、評価できる標準化されたJSONベースのインターフェイスを提供する。
ASR, YOLO-based visual detection, ADS-B-based conflict logic, and GPT-OSS-20B structured reasoning, and present pre prepared results from representative runway-overlap scenarios, which the assistant achieve a average time-to-first-warning of approximately 7.7 s, with average ASR and vision latencies of almost 5.9 s and 0.4 s。
AIRHILT環境とシナリオスイートは公開されており、航空機におけるマルチモーダルな状況認識とコンフリクト検出に関する再現可能な研究を支援している。
関連論文リスト
- ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。
我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
論文 参考訳（メタデータ） (2025-09-16T08:52:13Z) - Air Traffic Controller Task Demand via Graph Neural Networks: An Interpretable Approach to Airspace Complexity [0.00448108533967507]
エアトラヒックコントロール(ATCO)タスク要求のリアルタイム評価は、ますます混み合った空域において重要な課題である。
この課題には,このギャップに対処する解釈可能なグラフニューラルネットワーク(GNN)フレームワークが導入されている。
我々は、航空機を系統的に非難し、模型の予測に与える影響を測定することによって、航空機ごとのタスク要求スコアを導出する。
論文 参考訳（メタデータ） (2025-07-17T17:02:42Z) - AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing [9.858832286469765]
本稿では,AeroLite-MDNetと呼ばれる新しい視覚モデルを用いたUAV着陸の偏差警報システムを提案する。
AWD(Average Warning Delay)と呼ばれる新しい評価指標を導入し,着陸偏差に対するシステムの感度を定量化する。
実験の結果, 偏差検出精度98.6%で0.7秒のAWDを実現した。
論文 参考訳（メタデータ） (2025-06-25T13:48:30Z) - Griffin: Aerial-Ground Cooperative Detection and Tracking Dataset and Benchmark [15.405137983083875]
航空と地上の協力は、UAVの空中視界と地上の車両の局部的な観測を統合することで、有望な解決策を提供する。
本稿では,3つの重要な貢献を通じて,地上3次元協調認識のための包括的ソリューションを提案する。
論文 参考訳（メタデータ） (2025-03-10T07:00:07Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳（メタデータ） (2023-07-05T21:38:36Z) - AVOIDDS: Aircraft Vision-based Intruder Detection Dataset and Simulator [37.579437595742995]
AVOIDDSは、視覚に基づく航空機の検知・回避問題に対する現実的な物体検出ベンチマークである。
各種照明条件を有する侵入機の光実写画像72,000枚からなるラベル付きデータセットを提供する。
また、このデータセットのスライス上でトレーニングされたモデルを評価し、環境条件の変化に対する性能の変化を特定するインタフェースも提供する。
論文 参考訳（メタデータ） (2023-06-19T23:58:07Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。
実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
論文 参考訳（メタデータ） (2021-07-07T08:55:31Z)
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。