論文の概要: AgroAskAI: A Multi-Agentic AI Framework for Supporting Smallholder Farmers' Enquiries Globally

• arxiv url: http://arxiv.org/abs/2512.14910v1
• Date: Tue, 16 Dec 2025 20:59:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.786233
• Title: AgroAskAI: A Multi-Agentic AI Framework for Supporting Smallholder Farmers' Enquiries Globally
• Title（参考訳）: AgroAskAI: 小規模農家の問い合わせをグローバルにサポートするマルチエージェントAIフレームワーク
• Authors: Nadine Angela Cantonjos, Arpita Biswas,
• Abstract要約: 農村部の農業地帯は、気候にかかわるリスクから被害を受けている。 AgroAskAIは、農業における気候適応決定支援のためのマルチエージェント推論システムである。
• 参考スコア（独自算出の注目度）: 1.9678627769419939
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agricultural regions in rural areas face damage from climate-related risks, including droughts, heavy rainfall, and shifting weather patterns. Prior research calls for adaptive risk-management solutions and decision-making strategies. To this end, artificial intelligence (AI), particularly agentic AI, offers a promising path forward. Agentic AI systems consist of autonomous, specialized agents capable of solving complex, dynamic tasks. While past systems have relied on single-agent models or have used multi-agent frameworks only for static functions, there is a growing need for architectures that support dynamic collaborative reasoning and context-aware outputs. To bridge this gap, we present AgroAskAI, a multi-agent reasoning system for climate adaptation decision support in agriculture, with a focus on vulnerable rural communities. AgroAskAI features a modular, role-specialized architecture that uses a chain-of-responsibility approach to coordinate autonomous agents, integrating real-time tools and datasets. The system has built-in governance mechanisms that mitigate hallucination and enable internal feedback for coherent, locally relevant strategies. The system also supports multilingual interactions, making it accessible to non-English-speaking farmers. Experiments on common agricultural queries related to climate adaptation show that, with additional tools and prompt refinement, AgroAskAI delivers more actionable, grounded, and inclusive outputs. Our experimental results highlight the potential of agentic AI for sustainable and accountable decision support in climate adaptation for agriculture.
• Abstract（参考訳）: 農村部の農業地域は、干ばつ、豪雨、天候の変化など、気候にかかわるリスクに悩まされている。 従来の研究では、適応的なリスク管理ソリューションと意思決定戦略が求められていた。 この目的のために、人工知能(AI)、特にエージェントAIは、将来有望な進路を提供する。 エージェントAIシステムは、複雑な動的タスクを解くことができる自律的な特殊エージェントで構成されている。 従来のシステムは単一エージェントモデルに依存していたり、静的関数のみにマルチエージェントフレームワークを使用したりしてきたが、動的な協調推論とコンテキスト認識出力をサポートするアーキテクチャの必要性はますます高まっている。 このギャップを埋めるために,農業における気候適応決定支援のためのマルチエージェント推論システムであるAgroAskAIを紹介し,脆弱な農村社会に焦点をあてる。 AgroAskAIは、自律エージェントの協調、リアルタイムツールとデータセットの統合に責任のチェーンアプローチを使用する、モジュール化されたロール特殊化アーキテクチャを備えている。 このシステムには、幻覚を緩和し、一貫性のある局所的な戦略に対する内部フィードバックを可能にするガバナンス機構が組み込まれている。 このシステムは多言語対話もサポートしており、英語を話さない農家でも利用できる。 気候適応に関する一般的な農業用クエリの実験では、追加のツールと迅速な改良により、AgroAskAIはより実用的な、接地された、包括的なアウトプットを提供する。 実験結果から,農業用気候適応における持続的かつ説明責任のある意思決定支援のためのエージェントAIの可能性を強調した。

関連論文リスト

• AgriDoctor: A Multimodal Intelligent Assistant for Agriculture [45.77373971125537]
  AgriDoctorは、インテリジェントな作物病診断と農業知識の相互作用のために設計されたモジュラーでマルチモーダルなフレームワークである。 効果的なトレーニングと評価を容易にするために,400000の注釈付き疾患画像,831のエキスパートによる知識エントリ,30000のバイリンガルプロンプトによるインテント駆動ツール選択のベンチマークであるAgriMMを構築した。 実験により、AgriMMで訓練されたAgriDoctorは、細粒度の農業作業において最先端のLVLMを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-09-21T11:51:57Z)
• A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
  既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。 近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。 この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
  論文  参考訳（メタデータ） (2025-08-10T16:07:32Z)
• UAVs Meet Agentic AI: A Multidomain Survey of Autonomous Aerial Intelligence and Agentic UAVs [0.36868085124383626]
  エージェントUAVは、ゴール駆動行動、文脈推論、対話的自律性を示すことによって、従来のUAVを上回る。 本研究では, 精密農業, 建設・鉱業, 災害対応, 環境モニタリング, インフラ検査, 物流, セキュリティ, 野生生物保護の7分野について検討した。
  論文  参考訳（メタデータ） (2025-06-08T01:39:51Z)
• OpenAg: Democratizing Agricultural Intelligence [0.0]
  OpenAgは、農業用汎用人工知能(AGI)を進化させるために設計された包括的なフレームワークである ドメイン固有の基礎モデル、神経知識グラフ、マルチエージェント推論、因果説明可能性、適応的伝達学習を組み合わせる。 科学的知識と経験豊富な農家の暗黙の専門知識のギャップを埋めて、スケーラブルで局所的な農業意思決定を支援することを目的としている。
  論文  参考訳（メタデータ） (2025-06-05T02:44:38Z)
• Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
  この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。 まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。 我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
  論文  参考訳（メタデータ） (2025-05-13T17:59:20Z)
• Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
  異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。 我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
  論文  参考訳（メタデータ） (2025-05-12T02:04:37Z)
• AgriLLM: Harnessing Transformers for Farmer Queries [2.8592691160719554]
  本研究は,農業従事者を対象とした問合せ解決の自動化におけるLarge Language Models (LLMs) の変容の可能性を探るものである。 インドで収集された現実世界のファーマークェリの膨大なデータセットのサブセットを用いて、我々の研究はタミル・ナドゥ州の約400万のクェリに焦点を当てた。
  論文  参考訳（メタデータ） (2024-06-21T07:37:41Z)
• 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。