論文の概要: Beyond detection: cooperative multi-agent reasoning for rapid onboard EO crisis response

• arxiv url: http://arxiv.org/abs/2603.19858v1
• Date: Fri, 20 Mar 2026 11:20:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.116031
• Title: Beyond detection: cooperative multi-agent reasoning for rapid onboard EO crisis response
• Title（参考訳）: 迅速EO危機対応のための協調的マルチエージェント推論
• Authors: Alejandro D. Mousist, Pedro Delgado de Robles Martín, Raquel Lladró Climent, Julian Cobos Aparicio,
• Abstract要約: 危険事象の迅速同定は、次世代の地球観測ミッションに不可欠である。 現在の監視パイプラインは、ダウンリンクの制限、マルチソースデータ融合の制約、徹底的なシーン分析の計算コストによるレイテンシーを導入している。 本研究では,厳密なリソース制約と帯域幅制約下でのEO処理のための階層型マルチエージェントアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 39.146761527401424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid identification of hazardous events is essential for next-generation Earth Observation (EO) missions supporting disaster response. However, current monitoring pipelines remain largely ground-centric, introducing latency due to downlink limitations, multi-source data fusion constraints, and the computational cost of exhaustive scene analysis. This work proposes a hierarchical multi-agent architecture for onboard EO processing under strict resource and bandwidth constraints. The system enables the exploitation of complementary multimodal observations by coordinating specialized AI agents within an event-driven decision pipeline. AI agents can be deployed across multiple nodes in a distributed setting, such as satellite platforms. An Early Warning agent generates fast hypotheses from onboard observations and selectively activates domain-specific analysis agents, while a Decision agent consolidates the evidence to issue a final alert. The architecture combines vision-language models, traditional remote sensing analysis tools, and role-specialized agents to enable structured reasoning over multimodal observations while minimizing unnecessary computation. A proof-of-concept implementation was executed on the engineering model of an edge-computing platform currently deployed in orbit, using representative satellite data. Experiments on wildfire and flood monitoring scenarios show that the proposed routing-based pipeline significantly reduces computational overhead while maintaining coherent decision outputs, demonstrating the feasibility of distributed agent-based reasoning for future autonomous EO constellations.
• Abstract（参考訳）: 危険事象の迅速同定は、災害対応を支援する次世代地球観測(EO)ミッションに不可欠である。 しかし、現在の監視パイプラインは、ダウンリンクの制限、マルチソースデータ融合の制約、徹底的なシーン分析の計算コストによるレイテンシーを導入し、主に地上に集中している。 本研究では,厳密なリソース制約と帯域幅制約下でのEO処理のための階層型マルチエージェントアーキテクチャを提案する。 このシステムは、イベント駆動決定パイプライン内の専門的AIエージェントを調整することで、補完的なマルチモーダル観測の活用を可能にする。 AIエージェントは、衛星プラットフォームなどの分散環境で、複数のノードにデプロイすることができる。 早期警戒剤は、オンボード観測から高速な仮説を生成し、ドメイン固有の分析剤を選択的に活性化する一方、決定剤は証拠を集約して最終警告を発行する。 このアーキテクチャは、視覚言語モデル、従来のリモートセンシング分析ツール、ロール特殊化エージェントを組み合わせて、不要な計算を最小化しながらマルチモーダルな観測による構造化推論を可能にする。 概念実証の実装は、代表的な衛星データを用いて、現在軌道に配備されているエッジコンピューティングプラットフォームのエンジニアリングモデル上で実行された。 森林火災および洪水モニタリングシナリオの実験により、提案したルーティングベースのパイプラインは、コヒーレントな決定出力を維持しながら計算オーバーヘッドを著しく低減し、将来の自律型EO星座に対する分散エージェントベースの推論の実現可能性を示す。

関連論文リスト

• OpenEarthAgent: A Unified Framework for Tool-Augmented Geospatial Agents [68.85365034738534]
  本稿では,衛星画像,自然言語クエリ,詳細な推論トレースに基づいて学習したツール拡張された地理空間エージェントを開発するための統一的なフレームワークを提案する。 トレーニングパイプラインは、構造化推論軌道上の教師付き微調整に依存し、モデルを検証された多段階ツールの相互作用と整合させる。 付随コーパスは、14,538のトレーニングと1,169の評価インスタンスから構成され、トレーニングスプリットでは100K以上の推論ステップ、評価スプリットでは7K以上の推論ステップがある。
  論文  参考訳（メタデータ） (2026-02-19T18:59:54Z)
• Agentic Spatio-Temporal Grounding via Collaborative Reasoning [80.83158605034465]
  時間的ビデオグラウンド(Temporal Video Grounding)は、テキストクエリが与えられたビデオ内の対象物または人の時間的チューブを検索することを目的としている。 本稿では,STVGの課題に対して,オープンワールドおよびトレーニングフリーシナリオに向けたエージェント時空間グラウンド(ASTG)フレームワークを提案する。 具体的には、現代多言語モデル(MLLM)を活用した2つの特殊エージェントSRA(Spatial Reasoning Agent)とTRA(Temporal Reasoning Agent)である。 人気のあるベンチマークの実験は、既存の弱教師付きおよびゼロショットアプローチをマージンで上回る提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2026-02-10T10:16:27Z)
• Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
  低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。 従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。 LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-25T12:47:25Z)
• Cascading multi-agent anomaly detection in surveillance systems via vision-language models and embedding-based classification [0.0]
  この研究は、補完パラダイムをコヒーレントで解釈可能なアーキテクチャに統一するカスケーディングマルチエージェントフレームワークを導入している。 初期モジュールは再構成ゲートフィルタリングとオブジェクトレベルの評価を行い、高レベルの推論エージェントは、意味的に曖昧な事象を解釈するために選択的に呼び出される。 このフレームワークは、早期出力効率、適応型マルチエージェント推論、説明可能な異常属性を組み合わせることで、従来の検出パイプラインを超えて進歩し、スケーラブルなインテリジェントなビジュアル監視のための再現可能でエネルギー効率の良い基盤を確立する。
  論文  参考訳（メタデータ） (2026-01-08T11:31:47Z)
• 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)
• An LLM-Powered AI Agent Framework for Holistic IoT Traffic Interpretation [1.3832473221638348]
  この研究は、LLMを利用したAIエージェントフレームワークで、生のパケットキャプチャをインタラクティブ分析のための構造化および意味豊かな表現に変換する。 大規模言語モデルでガイドされたAIエージェントは、インデックス化されたトラフィックアーティファクトを推論し、証拠を組み立てて正確で可読な解釈を生成する。
  論文  参考訳（メタデータ） (2025-10-15T12:30:01Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)

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。