論文の概要: Layered Risk Mapping for Autonomous Patient Transport in Expeditionary Medical Facilities

• arxiv url: http://arxiv.org/abs/2607.13497v1
• Date: Wed, 15 Jul 2026 06:52:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.673061
• Title: Layered Risk Mapping for Autonomous Patient Transport in Expeditionary Medical Facilities
• Title（参考訳）: 手術医療施設における自律的患者輸送のための階層型リスクマッピング
• Abstract要約: 遠征医療施設では、定期的な患者輸送は、サージ条件下では持続不可能となる、個人の防護機器消費、スタッフの転倒、感染リスクの増大といった複合的な負担を課している。 本研究では,4つの環境リスクを,ノイズ・OR融合モデルによる統一確率的コスト面に融合する階層型リスクマッピングフレームワークを提案する。 2つのモンテカルロの評価では、リスクインフォームド・フュージョンは衝突速度を73%以上から32%以下に下げ、リスクを意識しないベースラインに対する障害物クリアランスを2倍以上に削減する。
• 参考スコア（独自算出の注目度）: 0.5249805590164902
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In expeditionary medical facilities, routine patient transport imposes a compounding burden of personal protective equipment consumption, staff diversion, and elevated infection risk that becomes unsustainable under surge conditions. While autonomous wheelchairs could absorb this operational load, the safety-critical nature of patient transit within these highly unstructured and dynamic environments poses complex navigational challenges. To address this, we present a layered risk mapping framework that fuses four heterogeneous environmental hazards (terrain slope, static and dynamic obstacles, and semantic traversability) into a unified probabilistic cost surface via a Noisy-OR fusion model. In a paired Monte-Carlo evaluation, risk-informed fusion reduces collision rates from over 73% to under 32% and more than doubles obstacle clearance relative to a risk-unaware baseline. Additionaly, Noisy-OR achieves the highest clearance to obstacles and the lowest conditional peak risk across all tested hazard densities. We further validate the framework on a commercial powered wheelchair across three representative mission profiles in indoor and outdoor deployments, demonstrating that this architecture successfully meets the planning requirements of this previously unaddressed operational regime.
• Abstract（参考訳）: 遠征医療施設では、定期的な患者輸送は、サージ条件下では持続不可能となる、個人の防護機器消費、スタッフの転倒、感染リスクの増大といった複合的な負担を課している。 自律型車椅子は、この運転負荷を吸収する可能性があるが、この非常に非構造的でダイナミックな環境における患者輸送の安全性に批判的な性質は、複雑なナビゲーション上の課題を引き起こす。 そこで我々は, 地すべり, 静的, 動的障害物, セマンティックトラバーサビリティの4つの異種環境リスクを, ノイズ・オア・フュージョン・モデルにより統一された確率的コスト面に融合させる階層型リスクマッピングフレームワークを提案する。 2つのモンテカルロの評価では、リスクインフォームド・フュージョンは衝突速度を73%以上から32%以下に下げ、リスクを意識しないベースラインに対する障害物クリアランスを2倍以上に削減する。 さらに、ノイズORは障害に対する最も高いクリアランスと、テストされたすべてのハザード密度に対して最も低い条件付きピークリスクを達成する。 さらに、屋内および屋外展開における3つの代表的ミッションプロファイルにまたがる商用車いすの枠組みを検証し、このアーキテクチャが、これまで規定されていなかったこの運用体制の計画要件を満たすことを実証した。

関連論文リスト

• Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability [79.08785366532287]
  部分観測可能性下でのリスク感応制御のための軽量なリスクゲート強化学習近似を提案する。 安全クリティカルな部分観測可能な2つの領域 – 自動グルコース調節と安全制約ナビゲーション – でアプローチを評価した。
  論文  参考訳（メタデータ） (2026-05-14T01:23:09Z)
• RA-Nav: A Risk-Aware Navigation System Based on Semantic Segmentation for Aerial Robots in Unpredictable Environments [7.128475765820446]
  既存の空飛ぶロボットナビゲーションシステムは、静的な障害物が突然動くと適応しない。 セマンティックセグメンテーションに基づくリスク対応ナビゲーションフレームワークであるRA-Navを提案する。 RA-Navは、突然の障害状態遷移シナリオにおいて、ベースラインよりも高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-19T16:26:43Z)
• Urban Spatio-Temporal Foundation Models for Climate-Resilient Housing: Scaling Diffusion Transformers for Disaster Risk Prediction [0.0]
  本稿では,異種条件の都市データを統合した拡散変圧器フレームワークであるSkjold-DiTについて述べる。 具体的には、Skjold-DiTは、不確実性を認識したアクセシビリティレイヤを生成することによって、ハザード対応のルーティング制約を可能にする。 実験は、予測品質、都市横断性、キャリブレーション、下流輸送関連の結果を評価する。
  論文  参考訳（メタデータ） (2026-02-05T19:01:56Z)
• Controllable risk scenario generation from human crash data for autonomous vehicle testing [13.3074428571403]
  制御可能なリスクエージェント生成(CRAG)は、支配的な名目的行動と稀な安全クリティカルな行動のモデリングを統合するために設計されたフレームワークである。 CRAGは、正常およびリスク関連挙動を歪め、限られたクラッシュデータの効率的な利用を可能にする構造付き潜在空間を構築する。
  論文  参考訳（メタデータ） (2025-11-27T04:53:18Z)
• CompARE: A Computational framework for Airborne Respiratory disease Evaluation integrating flow physics and human behavior [4.272788079372737]
  共同配置された個人間の屋内空気伝達のリスクは一般に一様ではない。 本報告では,室内空気感染のリスク評価フレームワークであるCompAREについて述べる。
  論文  参考訳（メタデータ） (2025-11-26T12:53:30Z)
• 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)
• AGENTSAFE: Benchmarking the Safety of Embodied Agents on Hazardous Instructions [64.85086226439954]
  本稿では,有害な指示に対するVLMエージェントの安全性を評価するためのベンチマークであるSAFEを提案する。 SAFEは、SAFE−THOR、SAFE−VERSE、SAFE−DIAGNOSEの3つの成分からなる。 我々は、ハザード認識を安全な計画と実行に翻訳する体系的な失敗を明らかにする。
  論文  参考訳（メタデータ） (2025-06-17T16:37:35Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Learned Risk Metric Maps for Kinodynamic Systems [54.49871675894546]
  本研究では,高次元力学系のコヒーレントリスクメトリクスをリアルタイムに推定するための学習型リスクメトリクスマップを提案する。 LRMMモデルは設計と訓練が簡単で、障害セットの手続き的生成、状態と制御のサンプリング、および関数近似器の教師付きトレーニングのみを必要とする。
  論文  参考訳（メタデータ） (2023-02-28T17:51:43Z)
• Analyzing vehicle pedestrian interactions combining data cube structure and predictive collision risk estimation model [5.73658856166614]
  本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。 本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
  論文  参考訳（メタデータ） (2021-07-26T23:00:56Z)
• Cautious Adaptation For Reinforcement Learning in Safety-Critical Settings [129.80279257258098]
  都市運転のような現実の安全クリティカルな目標設定における強化学習(RL)は危険である。 非安全クリティカルな「ソース」環境でエージェントが最初に訓練する「安全クリティカル適応」タスクセットを提案する。 多様な環境における事前経験がリスクを見積もるためにエージェントに装備するという直感に基づくソリューションアプローチであるCARLを提案する。
  論文  参考訳（メタデータ） (2020-08-15T01:40:59Z)

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。