論文の概要: SentinelAI: A Multi-Agent Framework for Structuring and Linking NG9-1-1 Emergency Incident Data
- arxiv url: http://arxiv.org/abs/2603.24856v1
- Date: Wed, 25 Mar 2026 22:51:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.011603
- Title: SentinelAI: A Multi-Agent Framework for Structuring and Linking NG9-1-1 Emergency Incident Data
- Title（参考訳）: SentinelAI:NG9-1-1緊急インシデントデータの構造化とリンクのためのマルチエージェントフレームワーク
- Authors: Kliment Ho, Ilya Zaslavsky,
- Abstract要約: 本稿では,緊急通信を標準化された機械可読データセットに変換するフレームワークであるSentinelAIを提案する。
EIDOは生の通信を取り込み、NENA準拠の緊急インシデントデータオブジェクトを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emergency response systems generate data from many agencies and systems. In practice, correlating and updating this information across sources in a way that aligns with Next Generation 9-1-1 data standards remains challenging. Ideally, this data should be treated as a continuous stream of operational updates, where new facts are integrated immediately to provide a timely and unified view of an evolving incident. This paper presents SentinelAI, a data integration and standardization framework for transforming emergency communications into standardized, machine-readable datasets that support integration, composite incident construction, and cross-source reasoning. SentinelAI implements a scalable processing pipeline composed of specialized agents. The EIDO Agent ingests raw communications and produces NENA-compliant Emergency Incident Data Object JSON.
- Abstract（参考訳）: 緊急対応システムは、多くの機関やシステムからデータを生成する。
実際には、次世代9-1-1データ標準に沿った方法で、ソース間でこれらの情報を関連付け、更新することは依然として困難である。
理想的には、このデータは継続的な運用更新ストリームとして扱われるべきであり、進化するインシデントに対するタイムリーで統一されたビューを提供するために、新しい事実がすぐに統合される。
本稿では,データ統合と標準化のためのフレームワークであるSentinelAIを,統合,複合インシデント構築,クロスソース推論をサポートする,標準化されたマシン可読データセットに変換する。
SentinelAIは、特殊なエージェントで構成されるスケーラブルな処理パイプラインを実装している。
EIDOエージェントは生の通信を取り込み、NENA準拠の緊急インシデントデータオブジェクトJSONを生成する。
関連論文リスト
- AgentSkiller: Scaling Generalist Agent Intelligence through Semantically Integrated Cross-Domain Data Synthesis [30.512393568258105]
大規模言語モデルエージェントは、ツールを介して現実世界の問題を解決する可能性を実証するが、汎用的な知性は、質の低い長期データによってボトルネックとなる。
本稿では,現実的なセマンティックなドメイン間でのマルチターンインタラクションデータを合成する,完全に自動化されたフレームワークであるAgentSkillerを提案する。
論文 参考訳（メタデータ） (2026-02-10T03:21:42Z) - Nimbus: A Unified Embodied Synthetic Data Generation Framework [51.55989844555466]
データボリュームと多様性のスケーリングは、インボディードインテリジェンスを一般化するために重要である。
我々は、異種ナビゲーションと操作パイプラインを統合するために設計された統合合成データ生成フレームワークであるNimbusを紹介する。
評価の結果,Nimbusは最適化されていないベースラインに比べてエンドツーエンドのスループットが2～3倍向上していることがわかった。
論文 参考訳（メタデータ） (2026-01-29T09:27:31Z) - A Survey of Data Agents: Emerging Paradigm or Overstated Hype? [66.1526688475023]
現在「データエージェント」は用語的曖昧さと不整合性に悩まされている。
この調査では、データエージェントのための最初の体系的な階層型分類を紹介した。
プロアクティブな生成データエージェントの出現を想定する、先見的なロードマップで締めくくります。
論文 参考訳（メタデータ） (2025-10-27T17:54:07Z) - Autonomous Data Agents: A New Opportunity for Smart Data [50.02229219403014]
DataAgentsは、自律的なデータから知識システムへのパラダイムシフトを表している、とReportは主張する。
DataAgentsは、複雑で非構造化されたデータをコヒーレントで行動可能な知識に変換する。
エージェントAIとデータ・トゥ・ナレッジシステムの収束が重要なトレンドとなっている理由を最初に検討する。
論文 参考訳（メタデータ） (2025-09-23T06:46:41Z) - Automating the Deep Space Network Data Systems; A Case Study in Adaptive Anomaly Detection through Agentic AI [0.0]
ディープ・スペース・ネットワーク(Deep Space Network、DSN)は、NASA最大のアンテナネットワークであり、大量の時系列データを生成する。
これらの施設には、長期にわたって劣化するDSNアンテナと送信機が含まれており、データフローにコストがかかる可能性がある。
本研究は,JPL技術者が収集したデータを用いて,異常や機器の劣化を直接特定できる様々な手法を実験することを目的とした。
論文 参考訳（メタデータ） (2025-08-28T17:12:18Z) - Towards a scalable AI-driven framework for data-independent Cyber Threat Intelligence Information Extraction [0.0]
本稿では、効率的なCTI情報抽出のために設計されたスケーラブルなAIベースのフレームワークである0-CTIを紹介する。
提案システムは、CTIレポートの完全なテキストシーケンスを処理し、名前付きエンティティとその関係のサイバーオントロジーを抽出する。
私たちの貢献は、教師付き学習とゼロショット学習の両方をサポートするCTI情報抽出のための最初のモジュラーフレームワークである0-CTIの開発です。
論文 参考訳（メタデータ） (2025-01-08T12:35:17Z) - AgentOhana: Design Unified Data and Training Pipeline for Effective Agent Learning [98.26836657967162]
textbfAgentOhanaは、さまざまなシナリオにまたがって、異なる環境からエージェントのトラジェクトリを集約する。
AIエージェント用に調整された大規模なアクションモデルである textbfxLAM-v0.1 は、さまざまなベンチマークで例外的なパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-02-23T18:56:26Z)
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。