論文の概要: SafeStep: AI-powered Travel Assistance for Elderly People with Frailty or Dementia
- arxiv url: http://arxiv.org/abs/2607.21156v1
- Date: Thu, 23 Jul 2026 10:37:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.374928
- Title: SafeStep: AI-powered Travel Assistance for Elderly People with Frailty or Dementia
- Title（参考訳）: SafeStep:老年者や認知症者のためのAIによる旅行支援
- Abstract要約: 英国では100万人以上が不妊や認知症に悩まされている。
本稿では,高齢者の旅行を支援するAI駆動旅行システムであるSafeStepについて述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: More than a million people in the UK suffer from frailty or dementia, which severely compromise their ability to travel in urban environments. This paper presents SafeStep, an AI-driven travel system that assists elderly users with their journeys. At the core of SafeStep is a novel travel graph representation, which integrates route planning with predictive modelling. For each stage of a journey, the system (i) generates personalized failure scenarios using a combi-nation of LLMs and the Anticip8 behavioral prediction engine, (ii) proposes targeted interventions, and (iii) estimates the impact of interventions on out-come probabilities. This enables SafeStep to select interventions that maximize the likelihood of the person reaching their destination. SafeStep was evaluated through experiments on travel graph generation and a field study involving 26 real-world journeys. Results showed that combining Anticip8 for failure pre-diction with GPT-based models for intervention evaluation yields the most re-liable performance. User feedback indicated that SafeStep improves confidence and perceived safety during travel, although interface usability needs to be im-proved for the target demographic. In the future, we would like to improve and release SafeStep. The AI system that was developed for SafeStep could be ap-plied in other areas, such as mental health, career coaching and addiction treatment.
- Abstract（参考訳）: 英国では100万人以上が虚弱や認知症に悩まされており、都市部を旅する能力が著しく損なわれている。
本稿では,高齢者の旅行を支援するAI駆動旅行システムであるSafeStepについて述べる。
SafeStepの中核は、ルート計画と予測モデルを統合する、新しい旅行グラフ表現である。
旅の段階ごとにシステム
i) LLM と Precip8 の行動予測エンジンを併用したパーソナライズされた障害シナリオを生成する。
(二)対象の介入を提案し、
三 介入がアウトカム確率に与える影響を見積もる。
これによりSafeStepは、目的地に到達した人の可能性を最大化する介入を選択することができる。
SafeStepは、旅行グラフ生成の実験と、26の現実世界の旅を含むフィールドスタディによって評価された。
その結果, 故障予知のためのPrecip8と介入評価のためのGPTモデルを組み合わせることで, 最も信頼性の高い性能が得られることがわかった。
ユーザからのフィードバックは、SafeStepが旅行中の信頼性と認識の安全性を向上させることを示している。
将来的にはSafeStepの改良とリリースを予定しています。
SafeStepのために開発されたAIシステムは、メンタルヘルス、キャリアコーチング、中毒治療など、他の分野でもap-pliedされる可能性がある。
関連論文リスト
- Hope for the Best, Prepare for the Worst: Occlusion-Aware Contingency Planning for Autonomous Vehicles [11.150547523174694]
ドライバーレス車両に関する最近の事故は、閉塞によって引き起こされるリスクに明示的に対処する運動プランナーの重要性を強調している。
本稿では,隠れた交通参加者が存在する場合でも,衝突回避を保証できる形式的オクルージョン対応軌道計画フレームワークを提案する。
筆者らは, 衝突回避を積極的に, 効果的に保証する, 難解な擬似隠蔽シナリオにおいて, フレームワークの有効性を実証した。
論文 参考訳（メタデータ） (2026-07-03T09:53:33Z) - VLESA: Vision-Language Embodied Safety Agent for Human Activity Monitoring [60.53395558502203]
Vision-Language Embodied Safety Agent (VLESA)は、自我中心のビデオから人間の活動を監視する。
VLESAは、コンテキストに応じて同一のアクションが安全または危険である意図に依存した安全性に対処する。
目標を共同で推測し,映像から将来の行動を予測するための意図-行動予測エージェントを提案する。
論文 参考訳（メタデータ） (2026-06-02T17:42:17Z) - Pedestrian-Aware LLM-Driven Behavioral Planning for Autonomous Vehicles [5.343135467323389]
歩行者対応行動計画のための大規模言語モデル(LLM)に基づく意思決定フレームワーク。
システムは、構造化されたシーンの観察を自然言語による推論のプロンプトに変換し、LLMは歩行者の意図を推測し、リスクを予測し、慎重な戦術的な運転決定を生成する。
本研究では, 予期せぬ歩行, ターンバック・クロス, ためらい, 双方向横断など, 複数の歩行者行動シナリオにおけるSUMOの枠組みを評価した。
論文 参考訳（メタデータ） (2026-05-16T07:41:42Z) - AIoT-based Continuous, Contextualized, and Explainable Driving Assessment for Older Adults [15.37925274015241]
我々は,高齢者の運転安全性の連続的,実世界評価のための人工知能フレームワークであるAURAを提案する。
AURAは、よりリッチな車内センシング、マルチスケールの行動モデリング、コンテキスト認識分析を統合し、定期旅行から運転性能の詳細な指標を抽出する。
論文 参考訳（メタデータ） (2026-02-28T15:03:27Z) - Rethinking Safety in LLM Fine-tuning: An Optimization Perspective [56.31306558218838]
我々は、本質的にトレードオフではなく、最適化の貧弱な選択が、しばしば安全上の問題を引き起こすことを示し、敵のプロンプトに対する有害な応答として測定する。
安全性能を保ったパラメータ空間における簡易指数移動平均(EMA)運動量法を提案する。
複数のデータセットにまたがるLlamaファミリーに関する実験は、安全性の問題が特別な介入なしに回避できることを実証している。
論文 参考訳（メタデータ） (2025-08-17T23:46:36Z) - Beyond Reactive Safety: Risk-Aware LLM Alignment via Long-Horizon Simulation [69.63626052852153]
本稿では,モデル生成によるアドバイスが社会システムを通じてどのように伝播するかを示す概念実証フレームワークを提案する。
また、100の間接的な害シナリオのデータセットを導入し、害のないユーザプロンプトから有害で非有害な結果を予測するモデルの能力をテストする。
論文 参考訳（メタデータ） (2025-06-26T02:28:58Z) - Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling [74.41886258801209]
本稿では,行動学習から原理的アライメントを分離する2段階の軌道計画フレームワークを提案する。
Plan-R1は計画の安全性と実現可能性を大幅に改善し、最先端の性能を達成する。
論文 参考訳（メタデータ） (2025-05-23T09:22:19Z) - SafePath: Conformal Prediction for Safe LLM-Based Autonomous Navigation [67.22657932549723]
SafePathは,LLM(Large Language Models)を公式な安全保証とともに拡張するフレームワークである。
第1段階では,多様な候補経路を生成するLCMを用いて,エージェントの挙動と環境条件に基づく軌道探索を行う。
第2段階では、SafePathはリスクの高いトラジェクトリをフィルタリングし、少なくとも1つのセーフオプションがユーザ定義の確率に含まれていることを保証します。
最終段階では,不確実性が低い場合や不確実性が高い場合,人間に制御を委譲する場合の衝突リスクが最も低い経路を選択する。
論文 参考訳（メタデータ） (2025-05-14T14:28:24Z) - UncAD: Towards Safe End-to-end Autonomous Driving via Online Map Uncertainty [8.379819845788564]
自動運転の安全性を高めるための新しいパラダイムUncADを提案する。
UncADは知覚モジュール内のオンラインマップの不確実性を推定する。
そして、不確実性を利用して、運動予測と計画モジュールを誘導し、マルチモーダル軌道を生成する。
論文 参考訳（メタデータ） (2025-04-17T10:40:36Z) - The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。
異なる統合原則の意味、強み、限界について論じる。
論文 参考訳（メタデータ） (2023-08-10T17:53:03Z) - Contingencies from Observations: Tractable Contingency Planning with
Learned Behavior Models [82.34305824719101]
人間は未来の出来事を正確に推論することで決定を下す素晴らしい能力を持っている。
本研究では,高次元のシーン観察からエンドツーエンドに学習する汎用コンテンシビリティプランナを開発する。
このモデルが行動観察から忍耐強くコンティンジェンシーを学習できることを示す。
論文 参考訳（メタデータ） (2021-04-21T14:30:20Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳（メタデータ） (2020-06-26T11:07:32Z)
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。