論文の概要: A Generative AI-Driven Reliability Layer for Action-Oriented Disaster Resilience
- arxiv url: http://arxiv.org/abs/2601.18308v1
- Date: Mon, 26 Jan 2026 09:43:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:08.760586
- Title: A Generative AI-Driven Reliability Layer for Action-Oriented Disaster Resilience
- Title（参考訳）: A Generative AI-Driven Reliability Layer for Action-Oriented Disaster Resilience
- Authors: Geunsik Lim,
- Abstract要約: Climate RADAR(Risk-Aware, Dynamic, and Action Recommendation System)は、AIベースの信頼性レイヤで、実行されたアクションに配信されるアラートから災害通信を再構成する。
気象学、水文学、脆弱性、社会データを複合リスク指標に統合し、市民、ボランティア、自治体のインターフェースにパーソナライズされたレコメンデーションを提供するために、ガードレールを組み込んだ大型言語モデル(LLM)を採用している。
シミュレーション,ユーザスタディ,都市パイロットによる評価では,より高い保護行動の実行,応答遅延の低減,ユーザビリティと信頼の向上など,改善された結果が示されている。
- 参考スコア（独自算出の注目度）: 0.6768558752130311
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As climate-related hazards intensify, conventional early warning systems (EWS) disseminate alerts rapidly but often fail to trigger timely protective actions, leading to preventable losses and inequities. We introduce Climate RADAR (Risk-Aware, Dynamic, and Action Recommendation system), a generative AI-based reliability layer that reframes disaster communication from alerts delivered to actions executed. It integrates meteorological, hydrological, vulnerability, and social data into a composite risk index and employs guardrail-embedded large language models (LLMs) to deliver personalized recommendations across citizen, volunteer, and municipal interfaces. Evaluation through simulations, user studies, and a municipal pilot shows improved outcomes, including higher protective action execution, reduced response latency, and increased usability and trust. By combining predictive analytics, behavioral science, and responsible AI, Climate RADAR advances people-centered, transparent, and equitable early warning systems, offering practical pathways toward compliance-ready disaster resilience infrastructures.
- Abstract（参考訳）: 気候関連の危険が強まるにつれて、従来の早期警戒システム(EWS)は警告を急速に広めるが、時折保護行動を起こすことに失敗し、予防可能な損失と不平等をもたらす。
我々は、実行されたアクションに配信されたアラートから災害通信を再構成する生成AIベースの信頼性層であるClimate RADAR(Risk-Aware, Dynamic, and Action Recommendation System)を紹介する。
気象学、水文学、脆弱性、社会データを複合リスク指標に統合し、市民、ボランティア、自治体のインターフェースにパーソナライズされたレコメンデーションを提供するためにガードレール組み込みの大型言語モデル(LLM)を採用している。
シミュレーション,ユーザスタディ,都市パイロットによる評価では,より高い保護行動の実行,応答遅延の低減,ユーザビリティと信頼の向上など,改善された結果が示されている。
予測分析、行動科学、そして責任あるAIを組み合わせることで、Climate RADARは、人々中心で透明で公平な早期警戒システムを前進させ、コンプライアンス対応の災害回復インフラへの実践的な経路を提供する。
関連論文リスト
- Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models [60.728124907335]
本研究では,気象適応型対向摂動最適化(WAAPO)を紹介した。
WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。
我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が大きな逸脱をもたらす可能性がある。
論文 参考訳（メタデータ） (2025-12-09T17:20:56Z) - Agentic AI Framework for Cloudburst Prediction and Coordinated Response [0.8697317909540486]
本論文は,大気水循環インテリジェンスを研究するエージェント人工知能システムについて概説する。
このフレームワークは、イベントライフサイクル全体を通じて、推論、意味、行動する自律的だが協調的なエージェントを使用する。
スケーラブルな適応性と学習ベースの気候レジリエンスのプラットフォームを提供する。
論文 参考訳（メタデータ） (2025-11-27T21:33:03Z) - ANNIE: Be Careful of Your Robots [48.89876809734855]
エンボディドAIシステムに対する敵の安全攻撃に関する最初の体系的研究について述べる。
すべての安全カテゴリーで攻撃の成功率は50%を超えている。
結果は、実証済みのAIシステムにおいて、これまで未調査だったが、非常に連続的な攻撃面を露呈する。
論文 参考訳（メタデータ） (2025-09-03T15:00:28Z) - 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) - Interpretable Dual-Stream Learning for Local Wind Hazard Prediction in Vulnerable Communities [1.9299285312415735]
竜巻や直線風などの風害は、アメリカ合衆国グレートプレーンズの脆弱な地域社会にしばしば影響を及ぼす。
既存の予測システムは、主に気象要素に焦点を当てており、しばしばコミュニティ固有の脆弱性を捉えない。
本稿では、構造化された数値気象データと構造化されていないテクスチャイベントの物語を統合する2重ストリーム学習フレームワークを提案する。
我々のアーキテクチャは、ランダムフォレストとRoBERTaベースのトランスフォーマーを後期核融合機構で組み合わせ、強靭で文脈に合った風害予測を可能にする。
論文 参考訳（メタデータ） (2025-05-20T15:46:02Z) - EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
論文 参考訳（メタデータ） (2024-08-08T13:19:37Z) - FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。
本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。
本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文 参考訳（メタデータ） (2024-03-26T08:51:23Z) - Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。
この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文 参考訳（メタデータ） (2023-12-18T09:05:28Z) - Data-driven recommendations for enhancing real-time natural hazard
warnings, communication, and response [0.0]
このパースペクティブは、リアルタイムの警告通信と緊急応答を支える既存のデータ駆動アプローチをレビューする。
警告を強化するための4つの主要なテーマが強調されている。
モチベーションの例は、2022年にオーストラリアで経験した大規模な洪水である。
論文 参考訳（メタデータ） (2023-11-01T02:59:45Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。