論文の概要: Interpretable Markov-Based Spatiotemporal Risk Surfaces for Missing-Child Search Planning with Reinforcement Learning and LLM-Based Quality Assurance

• arxiv url: http://arxiv.org/abs/2603.08933v1
• Date: Mon, 09 Mar 2026 21:08:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:23.829094
• Title: Interpretable Markov-Based Spatiotemporal Risk Surfaces for Missing-Child Search Planning with Reinforcement Learning and LLM-Based Quality Assurance
• Title（参考訳）: 強化学習とLLMに基づく品質保証を用いた行方不明児探索計画のためのマルコフ型時空間リスク面の解釈
• Abstract要約: 行方不明児の調査の最初の72時間は、回復に不可欠である。 法執行機関は、しばしば、構造化されていないデータと、動的で地理空間的な予測ツールの欠如に直面します。 われわれのシステムであるGuardianは、行方不明児の調査と早期検索計画のためのエンドツーエンドの意思決定支援システムを提供する。
• 参考スコア（独自算出の注目度）: 0.7734726150561088
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The first 72 hours of a missing-child investigation are critical for successful recovery. However, law enforcement agencies often face fragmented, unstructured data and a lack of dynamic, geospatial predictive tools. Our system, Guardian, provides an end-to-end decision-support system for missing-child investigation and early search planning. It converts heterogeneous, unstructured case documents into a schema-aligned spatiotemporal representation, enriches cases with geocoding and transportation context, and provides probabilistic search products spanning 0-72 hours. In this paper, we present an overview of Guardian as well as a detailed description of a three-layer predictive component of the system. The first layer is a Markov chain, a sparse, interpretable model with transitions incorporating road accessibility costs, seclusion preferences, and corridor bias with separate day/night parameterizations. The Markov chain's output prediction distributions are then transformed into operationally useful search plans by the second layer's reinforcement learning. Finally, the third layer's LLM performs post hoc validation of layer 2 search plans prior to their release. Using a synthetic but realistic case study, we report quantitative outputs across 24/48/72-hour horizons and analyze sensitivity, failure modes, and tradeoffs. Results show that the proposed predictive system with the three-layer architecture produces interpretable priors for zone optimization and human review.
• Abstract（参考訳）: 行方不明児の調査の最初の72時間は、回復に不可欠である。 しかし、法執行機関はしばしば断片化され、構造化されていないデータと、動的で地理空間的な予測ツールの欠如に直面している。 われわれのシステムであるGuardianは、行方不明児の調査と早期検索計画のためのエンドツーエンドの意思決定支援システムを提供する。 不均一で非構造化のケース文書をスキーマ整合時空間表現に変換し、ジオコーディングと輸送コンテキストでケースを豊かにし、0-72時間にわたる確率的検索製品を提供する。 本稿では,Guardianの概要と,システムの3層予測コンポーネントの詳細な説明を紹介する。 第1の層はマルコフ連鎖であり、道路アクセシビリティコスト、隔離選好、回廊偏差と昼夜のパラメータ化を含む遷移を伴うスパースで解釈可能なモデルである。 マルコフ連鎖の出力予測分布は、第二層の強化学習によって運用上有用な探索計画に変換される。 最後に、第3層のLCMは、リリース前に第2層の探索計画のポストホック検証を行う。 総合的だが現実的なケーススタディを用いて,24/48/72時間水平線における定量的なアウトプットを報告し,感度,障害モード,トレードオフを分析した。 その結果,提案した3層アーキテクチャによる予測システムは,ゾーン最適化や人間によるレビューにおいて,解釈可能な事前情報を生成することがわかった。

関連論文リスト

• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Trajectory-Aware Retrieval Agents for Temporal Decision- Making [5.789945004686575]
  大言語モデル(LLM)エージェントを用いた長文・時間的構造化テキストの意思決定問題について検討する。 我々は、SHAP誘導フィードバックを用いて、エビデンスを反復的に洗練するクローズドループエージェントフレームワークであるTLMを紹介する。 実証的に、TLMは、医学的質問応答、決算報告のサプライズ予測、一晩のストックギャップ予測という3つの時間的根拠のある意思決定タスクに基づいて評価される。
  論文  参考訳（メタデータ） (2026-07-07T16:28:38Z)
• Agentic Collaborative Cognition for Zero-Shot 3D Understanding [57.854375071638856]
  本研究では,高レベル視点計画の処理に計画エージェントを割り当てる協調型マルチエージェントフレームワークを提案する。 知覚エージェントは、3Dシーンを構造化された全体的認知マップに明示的に要約する。 ScanReferでは11.1%のAcc@0.5、3D支援ダイアログでは14.6 BLEU-1、SQA3Dでは2.1 EM、最先端の6ベンチマークでは2.1 EMを実現している。
  論文  参考訳（メタデータ） (2026-06-23T14:44:04Z)
• Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps [20.559950853029]
  本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。 ベンチマーク評価では、探査効率が34.2%向上し、飛行距離が37.9%減少した。
  論文  参考訳（メタデータ） (2026-06-10T06:30:29Z)
• DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning [58.09293442211248]
  Deep Research(DR)は、複雑でオープンな研究課題に取り組むための新しいエージェントパラダイムとして登場した。 本稿では,Qianfan Agent Foundry上に構築されたマルチエージェントDRフレームワークであるDuMate-DeepResearchを紹介する。
  論文  参考訳（メタデータ） (2026-06-05T14:10:48Z)
• From Prompts to Pavement Through Time: Temporal Grounding in Agentic Scene-to-Plan Reasoning [1.2777067998526854]
  本研究は, エージェント間コミュニケーションにおける時間的条件付けが, 意味的・論理的一貫性の低下を伴わずにコヒーレンスを維持・強化できるかどうかを考察する。 その結果,時間的条件付けは推論スタイルに反するが,標準NLPに基づく正当性測定では統計的に有意な改善は得られなかった。 これらの結果から,プロンプトベースの時間的接地限界を明らかにし,時間的シーンから計画的推論のための最初の経験的基準を確立した。
  論文  参考訳（メタデータ） (2026-05-19T13:18:35Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Causal Reconstruction of Sentiment Signals from Sparse News Data [0.0]
  スパースニュースに由来する感度信号は、金融分析や技術監視によく用いられる。 記事レベルスコアを正規時間グリッドに集約する3段階パイプラインを提案する。 我々は,AI関連ニュースタイトルのデータセットに対して,株価データに対する再構成信号の整合性を評価する。
  論文  参考訳（メタデータ） (2026-03-24T09:13:33Z)
• A Leakage-Aware Data Layer For Student Analytics: The Capire Framework For Multilevel Trajectory Modeling [0.0]
  本稿では,学生軌跡分析のための漏洩認識データ層を提案する。 N1(個人的・社会経済的属性)、N2(エントリーモーメントと学術的歴史)、N3(曲的摩擦と性能)、N4(制度的・マクロコンテキスト変数)の4つのレベルに予測者を編成する特徴工学設計を提案する。 長期サイクルエンジニアリングプログラム(学生1,343人、57%のドロップアウト)における実証的な応用は、VOT制限されたマルチレベル特徴が堅牢な考古学的発見をサポートすることを示している。
  論文  参考訳（メタデータ） (2025-11-14T20:52:22Z)
• Test-time Verification via Optimal Transport: Coverage, ROC, & Sub-optimality [53.03186946689658]
  検証によるテストタイムのスケーリングは、大規模言語モデルのパフォーマンス向上を約束している。 検証の効果は、(i)ジェネレータのカバレッジ、(ii)検証器の収束領域(ROC)、(iii)サンプリングアルゴリズムの準最適性の3つの相互作用を通して現れる。 本稿では,輸送問題として検証可能なテストタイムスケーリングの枠組みを定め,カバレッジ,ROC,サブ最適性の相互作用を特徴付ける。
  論文  参考訳（メタデータ） (2025-10-21T18:05:42Z)
• Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
  LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。 既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。 我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T18:42:32Z)
• InteGround: On the Evaluation of Verification and Retrieval Planning in Integrative Grounding [51.80327078402434]
  仮説クエリをサポートするために、複数の独立したエビデンスを検索し、検証するという課題である。 まず,LLMは冗長な証拠に対して頑健であるのに対して,情報の不完全な場合,内部知識を合理的に活用する傾向にある。 ノイズ導入による非方向性計画が性能を低下させるのに対して, 前提推論は論理的制約のため, 有望なアプローチとして現れる。
  論文  参考訳（メタデータ） (2025-09-20T04:48:24Z)
• A layered architecture for log analysis in complex IT systems [0.21756081703276]
  この論文では、DevOpsの障害解決をサポートする3層アーキテクチャが紹介されている。 最初のレイヤであるLog Investigationは、自律的なログラベリングと異常分類を実行する。 第2のレイヤであるAnomaly Detectionは、標準から逸脱した振る舞いを検出する。 第3のレイヤであるRoot Cause Analysisは、障害、その起源、イベントシーケンスを記述する最小限のログセットを識別する。
  論文  参考訳（メタデータ） (2025-08-29T11:28:21Z)
• Next-Generation Conflict Forecasting: Unleashing Predictive Patterns through Spatiotemporal Learning [0.0]
  本研究では、3つの異なるタイプの暴力を事前に36ヶ月予測するためのニューラルネットワークアーキテクチャを提案する。 このモデルは確率的分類と回帰タスクを共同で実行し、将来の事象の予測と予測等級を生成する。 警告システム、人道的対応計画、証拠に基づく平和構築イニシアチブのための有望なツールである。
  論文  参考訳（メタデータ） (2025-06-08T20:42:29Z)
• Adaptive Location Hierarchy Learning for Long-Tailed Mobility Prediction [37.930452438916795]
  本研究では,長期移動予測のためのプラグイン・アンド・プレイ・フレームワークを提案する。 まず, 大規模言語モデル(LLM)に基づく都市に適した位置階層を構築し, マスローの人間モチベーション理論を活用する。 6つのデータセットにわたる最先端モデルの実験は、フレームワークの一貫性のある有効性と一般化可能性を示している。
  論文  参考訳（メタデータ） (2025-05-26T13:26:35Z)
• X2-DFD: A framework for eXplainable and eXtendable Deepfake Detection [55.77552681618732]
  X2-DFDは、eXplainableおよびeXtendableフレームワークであり、ディープフェイク検出のためのマルチモーダルな多言語モデル(MLLM)に基づいている。 最初の段階であるモデル特徴評価は、MLLMの偽造関係の特徴の検出可能性を体系的に評価する。 2番目のステージであるExplainable dataset Constructionは、Strong Feature StrengtheningとWeak Feature Supplementingの2つの重要なモジュールで構成されている。 3番目のステージであるファインチューニングと推論では、構築されたデータセット上でMLLMを微調整し、最終的な検出と説明のためにデプロイする。
  論文  参考訳（メタデータ） (2024-10-08T15:28:33Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Two-Stage Hierarchical and Explainable Feature Selection Framework for Dimensionality Reduction in Sleep Staging [0.6216545676226375]
  脳波は睡眠研究において重要な役割を果たす。 脳波信号データシーケンスの高次元特性のため、異なる睡眠段階のデータの可視化とクラスタリングが課題となっている。 本稿では,特徴選択アルゴリズムを取り入れた2段階の階層的かつ説明可能な特徴選択フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-31T23:54:53Z)

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。