論文の概要: ATRACT: A Trustworthy Robotic Autonomous system to support Casualty Triage

• arxiv url: http://arxiv.org/abs/2605.17123v1
• Date: Sat, 16 May 2026 19:04:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.6932
• Title: ATRACT: A Trustworthy Robotic Autonomous system to support Casualty Triage
• Title（参考訳）: ATRACT:カジュアルティトリアージを支援するロボット自律システム
• Authors: Tasweer Ahmad, Rafael Pina, Sandip Pradhan, Arindam Sikdar, Mindula Illeperuma, Khizer Saeed, Peter Lee, Varuna De Silva, Ardhendu Behera,
• Abstract要約: ATRACT (A Trustworthy Robotic Autonomous System to support Casualty Triage) は、新しい人道支援システムである。 ドローンでキャプチャしたビデオとウェアラブルセンサーの入力を統合して、マルチモーダル学習を行い、カジュアルステートアセスメントをサポートする。 ATRACTは、死傷者への直接アクセスが遅れたり、危険があるり、制限されたりするときに、早期の医学的判断を支持する証拠を提供する。
• 参考スコア（独自算出の注目度）: 4.263770590405799
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: At a time when drones are increasingly associated with hostile operations, we re-purpose them for humanitarian and life-saving applications. However, adapting search and rescue drones for battlefield triage remains extremely challenging; the technology must perform reliably to support frontline medics who are forced to operate under extreme uncertainty, restricted access, and significant personal risk. Due to growing vulnerabilities of casualty evacuation in conflicting zones, this paper presents ATRACT (A Trustworthy Robotic Autonomous system to support Casualty Triage), a novel human-in-the-loop decision support system to enable early battlefield triage during the critical post-trauma period. ATRACT integrates drone-captured video with wearable sensor input for multi-modal learning to support casualty-state assessment, thereby addressing the limitations of existing systems. Drone video captures fine-grained behavioural cues, such as pose, posture, while body-worn sensors provide complementary physiological signals, including heart rate, breathing rate, and movement. By combining two modalities, ATRACT provides evidence to support the early judgement of medics when direct access to the casualty is delayed, risky, or restricted. To mitigate the data realism gap pertaining to injured actions, a conditional variational autoencoder is devised for data augmentation. Experimental results on our drone captured dataset show that proposed pipeline achieves 85.7% accuracy for action classification; while our lightweight CNN visual encoder remains competitive with stronger pre-trained video backbones. Overall, the results support ATRACT as a practically meaningful step towards remote triage in contested environments, where multi-modal sensing, human oversight and trustworthy decision support can improve casualty prioritisation, and lessen the exposure of frontline medics.
• Abstract（参考訳）: ドローンがますます敵対的な作戦に結びついているとき、我々はそれらを人道的、救世的な用途に再活用する。 しかし、この技術は、極めて不確実性、制限されたアクセス、および重大な個人的リスクの下で運用せざるを得ない前線医療を支援するために確実に機能する必要がある。 ATRACT(A Trustworthy Robotic Autonomous system to support Casualty Triage, A Trustworthy Robotic Autonomous system to support Casualty Triage)は,交通事故後の早期の戦場でのトライアージを支援する新しい人道内意思決定支援システムである。 ATRACTは、ドローンキャプチャビデオとウェアラブルセンサー入力を統合し、マルチモーダル学習により、カジュアルステートアセスメントをサポートし、既存のシステムの制限に対処する。 ドローンビデオは、ポーズ、姿勢、体縫いのセンサーが心拍数、呼吸速度、動きなどの相補的な生理的信号を提供する間、きめ細かい行動の手がかりを捉えている。 2つのモダリティを組み合わせることで、ATRACTは、死傷者への直接アクセスが遅れたり、危険がみられたり、制限されたりするときに、薬剤の早期判断を支援する証拠を提供する。 負傷動作に関連するデータリアリズムギャップを軽減するため、データ増大のために条件付き変分オートエンコーダを考案する。 ドローンキャプチャーデータセットの実験結果から、提案したパイプラインはアクション分類の精度85.7%、軽量なCNNビジュアルエンコーダは、トレーニング済みのより強力なビデオバックボーンと競合することがわかった。 総合的に、ATRACTは、マルチモーダルセンシング、人間の監視、信頼できる意思決定支援が、カジュアルな優先順位付けを向上し、最前線の薬品の露出を減らし得る、競合環境におけるリモートトリアージに向けた事実上有意義なステップである。

関連論文リスト

• Long-Short Term Agents for Pure-Vision Bronchoscopy Robotic Autonomy [24.222298208225155]
  既存のナビゲーションプラットフォームは、電磁的なトラッキングや形状検出といった外部のローカライゼーション技術に依存している。 我々は,術前CTから得られた仮想目標とライブ内視鏡映像を用いて,長時間の気管支鏡視下ナビゲーションを行う視覚のみの自律フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-09T03:09:51Z)
• A Multi-Robot Platform for Robotic Triage Combining Onboard Sensing and Foundation Models [51.02314427799649]
  このシステムは無人航空機(UAV)と無人地上車両(UGV)の協調した地上チームを採用している。 UAVは死傷者の頭上での視界を識別し提供し、UGVは特殊なセンサーを装備し、バイタルサインを計測し、身体的な損傷を検知し、局所化する。
  論文  参考訳（メタデータ） (2025-12-09T16:05:22Z)
• Diversifying Counterattacks: Orthogonal Exploration for Robust CLIP Inference [45.723695657400576]
  反撃の多様性とカバレッジの向上は、テスト時間防衛における敵の堅牢性向上に不可欠である。 直交直交対向攻撃(DOC)は、傾き方向と運動量に基づく更新を組み込むことで、対向最適化を強化する。 平均コサイン類似度に基づく指向性感度スコアを,サンプル識別を改善し,反撃強度を適応的に調節することによりDOCを増強する。
  論文  参考訳（メタデータ） (2025-11-12T07:40:16Z)
• Real-Time Assessment of Bystander Situation Awareness in Drone-Assisted First Aid [6.986130179800924]
  ドローンによるラピッドナロキソンの配達は、オピオイド過量緊急事態(OOEs)への対応に有望な解決策を提供する 人間-自律チーム(HAT)における傍観者状況認識(SA)の役割について考察する。 本稿では,グラフ埋め込みとトランスフォーマーモデルを用いた映像ベースリアルタイムSAアセスメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-03T23:11:30Z)
• Robustifying 3D Perception via Least-Squares Graphs for Multi-Agent Object Tracking [43.11267507022928]
  本稿では,3次元LiDARシーンにおける対向雑音に対する新たな緩和フレームワークを提案する。 我々は最小二乗グラフツールを用いて各検出の遠心点の位置誤差を低減する。 実世界のV2V4Realデータセットに関する広範な評価研究は、提案手法がシングルエージェントとマルチエージェントの両方のトラッキングフレームワークよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-07T08:41:08Z)
• Adversarial Visual Robustness by Causal Intervention [56.766342028800445]
  敵の訓練は、敵の例に対する事実上最も有望な防御である。 しかし、その受動性は必然的に未知の攻撃者への免疫を妨げる。 我々は、敵対的脆弱性の因果的視点を提供する: 原因は、学習に普遍的に存在する共同創設者である。
  論文  参考訳（メタデータ） (2021-06-17T14:23:54Z)
• Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
  本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。 実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。 よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
  論文  参考訳（メタデータ） (2021-01-17T21:15:34Z)

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。