Fugu-MT 論文翻訳(概要): An Ontology-driven Dynamic Knowledge Base for Uninhabited Ground Vehicles

論文の概要: An Ontology-driven Dynamic Knowledge Base for Uninhabited Ground Vehicles

arxiv url: http://arxiv.org/abs/2602.10555v1
Date: Wed, 11 Feb 2026 06:06:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-23 08:17:41.354625
Title: An Ontology-driven Dynamic Knowledge Base for Uninhabited Ground Vehicles
Title（参考訳）: 無人地上車両のオントロジー駆動型動的知識基盤
Authors: Hsan Sandar Win, Andrew Walters, Cheng-Chew Lim, Daniel Webber, Seth Leslie, Tan Doan,
Abstract要約: ダイナミック・コンテクスチュアル・ミッション・データ(DCMD)の概念は,無人地上車両(UGV)の戦術的エッジにおけるオントロジー駆動型動的知識基盤を開発するために導入された。 DCMDによる動的知識ベースは、UGVに追加され、強化された状況認識をサポートし、自律的な意思決定を改善し、複雑で動的な環境におけるアジリティを促進する。
参考スコア（独自算出の注目度）: 2.685419057912051
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper, the concept of Dynamic Contextual Mission Data (DCMD) is introduced to develop an ontology-driven dynamic knowledge base for Uninhabited Ground Vehicles (UGVs) at the tactical edge. The dynamic knowledge base with DCMD is added to the UGVs to: support enhanced situation awareness; improve autonomous decision making; and facilitate agility within complex and dynamic environments. As UGVs are heavily reliant on the a priori information added pre-mission, unexpected occurrences during a mission can cause identification ambiguities and require increased levels of user input. Updating this a priori information with contextual information can help UGVs realise their full potential. To address this, the dynamic knowledge base was designed using an ontology-driven representation, supported by near real-time information acquisition and analysis, to provide in-mission on-platform DCMD updates. This was implemented on a team of four UGVs that executed a laboratory based surveillance mission. The results showed that the ontology-driven dynamic representation of the UGV operational environment was machine actionable, producing contextual information to support a successful and timely mission, and contributed directly to the situation awareness.
Abstract（参考訳）: 本稿では,非居住地車両(UGV)の戦術的エッジにおけるオントロジー駆動型動的知識基盤を開発するために,ダイナミック・コンテクスト・ミッション・データ(DCMD)の概念を導入した。 DCMDによる動的知識ベースは、UGVに追加され、強化された状況認識をサポートし、自律的な意思決定を改善し、複雑で動的な環境におけるアジリティを促進する。 UGVはプリミッションを付加した事前情報に大きく依存しているため、ミッション中の予期せぬ発生は、識別の曖昧さを生じさせ、ユーザ入力のレベルを増大させる可能性がある。この事前情報を文脈情報で更新することは、UGVが潜在能力を最大限に認識するのに役立ちます。これを解決するために、動的知識ベースはオントロジー駆動の表現を用いて設計され、ほぼリアルタイムの情報取得と分析によってサポートされ、オントロジー上のDCMD更新を提供する。これは実験室ベースの監視任務を遂行した4機のUGVのチームで実施された。その結果、オントロジー駆動によるUGV運用環境の動的表現は機械的動作が可能であり、成功し、タイムリーなミッションを支援するための文脈情報を生成し、状況認識に直接寄与した。

関連論文リスト

AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
論文参考訳（メタデータ） (2026-02-10T11:08:07Z)
AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
論文参考訳（メタデータ） (2025-11-26T04:44:27Z)
Exploring the Roles of Large Language Models in Reshaping Transportation Systems: A Survey, Framework, and Roadmap [51.198001060683296]
大型言語モデル(LLM)は、輸送上の課題に対処するための変革的な可能性を提供する。 LLM4TRは,交通におけるLSMの役割を体系的に分類する概念的枠組みである。それぞれの役割について,交通予測や自律運転,安全分析,都市移動最適化など,さまざまな応用について検討した。
論文参考訳（メタデータ） (2025-03-27T11:56:27Z)
VLM-E2E: Enhancing End-to-End Autonomous Driving with Multimodal Driver Attention Fusion [8.738991730715039]
VLM-E2Eは、視覚言語モデルを用いて、注意喚起手段を提供することでトレーニングを強化する新しいフレームワークである。注意の意味論に焦点を当てることで、VLM-E2Eは人間のような運転行動と整合し、ダイナミックで複雑な環境をナビゲートするのに重要である。我々は、nuScenesデータセット上でVLM-E2Eを評価し、ベースラインのエンドツーエンドモデルに対する認識、予測、計画の大幅な改善を実現した。
論文参考訳（メタデータ） (2025-02-25T10:02:12Z)
SenseRAG: Constructing Environmental Knowledge Bases with Proactive Querying for LLM-Based Autonomous Driving [10.041702058108482]
本研究では,大規模言語モデル(LLM)の文脈推論機能を活用することにより,自律運転(AD)における状況認識の高度化の必要性に対処する。厳密なラベルベースのアノテーションに依存する従来の認識システムとは異なり、リアルタイムのマルチモーダルセンサーデータを統一されたLLM対応の知識ベースに統合する。実世界のV2Xデータセットを用いた実験結果は、知覚と予測性能の大幅な改善を示す。
論文参考訳（メタデータ） (2025-01-07T05:15:46Z)
Ontology-Enhanced Decision-Making for Autonomous Agents in Dynamic and Partially Observable Environments [0.0]
この論文では、自律エージェントのためのオントロジー強化意思決定モデル(OntoDeM)を紹介している。 OntoDeMはエージェントのドメイン知識を充実させ、予期せぬイベントを解釈し、目標を生成または適応させ、より良い意思決定を可能にする。 OntoDeMは従来の学習アルゴリズムや高度な学習アルゴリズムと比較して、動的で部分的に観察可能な環境におけるエージェントの観察と意思決定を改善する上で優れた性能を示している。
論文参考訳（メタデータ） (2024-05-27T22:52:23Z)
DoraemonGPT: Toward Understanding Dynamic Scenes with Large Language Models (Exemplified as A Video Agent) [73.10899129264375]
本稿では,LLMによる動的シーン理解のための包括的かつ概念的にエレガントなシステムであるドラモンGPTについて検討する。質問/タスクのあるビデオが与えられた場合、DoraemonGPTは入力されたビデオをタスク関連の属性を格納するシンボリックメモリに変換することから始める。我々は,DoraemonGPTの有効性を,3つのベンチマークといくつかのアプリ内シナリオで広範囲に評価した。
論文参考訳（メタデータ） (2024-01-16T14:33:09Z)
KERM: Knowledge Enhanced Reasoning for Vision-and-Language Navigation [61.08389704326803]
VLN(Vision-and-Language Navigation)は、実シーンにおける自然言語命令に続く遠隔地への移動を可能にするタスクである。以前のアプローチのほとんどは、ナビゲート可能な候補を表現するために、機能全体やオブジェクト中心の機能を利用している。本稿では,知識を活用したエージェントナビゲーション能力向上のための知識強化推論モデル(KERM)を提案する。
論文参考訳（メタデータ） (2023-03-28T08:00:46Z)

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。