論文の概要: SCOPE: A Lightweight-training LLM Framework for Air Traffic Control Readback Monitoring

• arxiv url: http://arxiv.org/abs/2605.29543v1
• Date: Thu, 28 May 2026 07:56:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.043169
• Title: SCOPE: A Lightweight-training LLM Framework for Air Traffic Control Readback Monitoring
• Title（参考訳）: SCOPE - 航空交通制御再生監視のための軽量学習用LLMフレームワーク
• Authors: Qihan Deng, Minghua Zhang, Yang Yang, Zhenyu Gao,
• Abstract要約: 航空交通管制 (ATC) 音声指示は、航空交通における通信ミスに対する主要な防御手段である。 航空事故の約80%には、再生異常が関係している。 従来のルールベースおよび機械学習アプローチは、ATC通信の高度に変動し進化するフレーズを一般化するのに苦労する。 本稿では,機械ベースATC読み取り監視の効率性と精度を両立させる軽量学習型LCMフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 8.082279149607116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pilot readback of Air Traffic Control (ATC) voice instructions is a primary safeguard against miscommunication in air transportation. However, readback anomalies remain implicated in approximately 80% of aviation incidents. This vulnerability is further exacerbated by rising traffic volume and elevated cognitive workload, thereby motivating automated readback monitoring by machine. Traditional rule-based and machine learning approaches struggle to generalize across the highly variable and evolving phraseology of air traffic controller-pilot communications. While Large Language Models (LLMs) have opened a new avenue through their strong reasoning and generalization capabilities, existing approaches still face deployment and computational barriers in practice. In this work, we propose Semantic reasoning for Communication via Open-set Plug-in with Examples (SCOPE), a novel lightweight-training LLM framework that advances both the efficiency and accuracy of machine-based ATC readback monitoring. The core idea is to couple a plug-in open-set classifier with a carefully designed in-context learning mechanism on top of a frozen LLM. Extensive experiments on the semi-synthetic communication dataset show that SCOPE attains superior accuracy while delivering the low-latency response required for operational environments. Under a few-shot setting, SCOPE achieves 91.05% accuracy in open-set detection and corrects 96.63% of anomalous readbacks, thereby outperforming the strongest available baselines while providing explanations for its decisions. These findings demonstrate the potential of our framework as a practical pathway toward interpretable and controllable ATC readback monitoring.
• Abstract（参考訳）: 航空交通管制(ATC)音声指示のパイロット・リバックは、航空輸送における通信の誤認に対する主要な防御手段である。 しかし、航空事故の約80%には、読み返し異常が関係している。 この脆弱性は、トラフィック量の増加と認知作業量の増大によってさらに悪化し、マシンによる自動読み取り監視を動機付けている。 従来のルールベースおよび機械学習アプローチは、高度に変動し進化する航空管制-パイロット通信のフレーズを一般化するのに苦労する。 大きな言語モデル(LLM)は強力な推論と一般化能力を通じて新たな道を開いたが、既存のアプローチはいまだにデプロイと計算の障壁に直面している。 本研究では,オープンセットプラグインを用いた通信のためのセマンティック推論(SCOPE)を提案する。これは,マシンベースのATC読み取り監視の効率性と精度を向上する,ライトウェイトトレーニング LLM フレームワークである。 中心となる考え方は、プラグインのオープンセット分類器と、凍結したLLMの上に慎重に設計されたコンテキスト内学習機構を結合することである。 半合成通信データセットの広範囲な実験により、SCOPEは運用環境に必要な低遅延応答を提供しながら、より優れた精度が得られることが示された。 SCOPE はオープンセット検出において 91.05% の精度を達成し、96.63% の異常再生を補正する。 以上の結果から,ATCの再生監視を解釈し,制御し得るための実践的経路として,我々のフレームワークの可能性が示唆された。

関連論文リスト

• AWARE: Adaptive Whole-body Active Rotating Control for Enhanced LiDAR-Inertial Odometry under Human-in-the-Loop Interaction [15.502575136823237]
  リソース制限されたUAVプラットフォームは、しばしば視野の狭いLiDARセンサーに制限される。 AWAKEはバイオインスパイアされた全身のアクティブユーイングフレームワークで、UAV自身の回転速度を利用して効果的なセンサー水平線を拡大する。 Safe Flight Corridorメカニズムは、オペレータのナビゲーション意図を自律ヨー最適化から切り離すことによって、このHITLパラダイム内での運用上の安全性を保証する。
  論文  参考訳（メタデータ） (2026-04-12T12:07:58Z)
• Open-Ended Instruction Realization with LLM-Enabled Multi-Planner Scheduling in Autonomous Vehicles [40.195332742819865]
  本研究では,大規模言語モデル(LLM)を利用して命令を解釈する命令実現フレームワークを提案する。 リアルタイムフィードバックに基づいて、複数のモデル予測制御(MPC)ベースのモーションプランナをスケジュールする実行可能なスクリプトを生成し、計画されたトラジェクトリを制御信号に変換する。
  論文  参考訳（メタデータ） (2026-04-09T09:32:21Z)
• COVLM-RL: Critical Object-Oriented Reasoning for Autonomous Driving Using VLM-Guided Reinforcement Learning [55.83415345423854]
  批判的オブジェクト指向(CO)推論と強化学習(RL)を統合した新しいエンドツーエンド駆動フレームワークCOVLM-RLを提案する。 CARLAシミュレータで行った実験により、COVLM-RLはトレーニング運転環境における成功率を30%向上することが示された。
  論文  参考訳（メタデータ） (2025-12-10T06:18:16Z)
• 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)
• In-domain SSL pre-training and streaming ASR [11.496573723272796]
  ラベルなしATCデータの4.5k時間でBEST-RQモデルをトレーニングし、より小さな教師付きATCセットで微調整する。 我々は、これらのドメイン内SSLモデルと、w2v-BERT 2.0やHuBERTのような最先端の汎用音声エンコーダを比較した。 その結果,ドメイン適応型事前学習は標準ATCベンチマークの性能を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2025-09-15T16:25:43Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Robust Anti-Backdoor Instruction Tuning in LVLMs [53.766434746801366]
  大規模視覚言語モデル(LVLM)のための軽量で認証に依存しない防御フレームワークについて紹介する。 私たちのフレームワークは、命令チューニングの下で、アダプタモジュールとテキスト埋め込み層のみを微調整します。 Flickr30kとMSCOCOに対する7つの攻撃に対する実験は、我々の攻撃の成功率をほぼゼロに低下させることを示した。
  論文  参考訳（メタデータ） (2025-06-04T01:23:35Z)
• Integrating spoken instructions into flight trajectory prediction to optimize automation in air traffic control [20.718663626382995]
  現在の航空交通管制システムでは、交通予測のための音声指示を考慮できない。 本稿では,制御意図を情報処理ループに統合する自動化パラダイムを提案する。 3段階のプログレッシブ・マルチモーダル・ラーニング・パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-02T08:28:55Z)
• Contextual Semi-Supervised Learning: An Approach To Leverage Air-Surveillance and Untranscribed ATC Data in ASR Systems [0.6465251961564605]
  飛行機へのコールサインは、atco-パイロット通信の必須部分である。 ASRシステムのエラー率を低減するために,半教師付きトレーニング中に文脈知識を追加する2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2021-04-08T09:53:54Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)

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。