論文の概要: Traceable LLM-Generated Hazard Scenarios for Operational Safety Analysis of Aviation Systems Using ASRS Reports

• arxiv url: http://arxiv.org/abs/2608.04697v1
• Date: Wed, 05 Aug 2026 11:07:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.833789
• Title: Traceable LLM-Generated Hazard Scenarios for Operational Safety Analysis of Aviation Systems Using ASRS Reports
• Title（参考訳）: ASRSレポートを用いた航空システムの運転安全解析のためのLLM生成ハザードシナリオの追跡
• Authors: Cristian Mascia, Roberto Pietrantuono, Daniel Rodriguez, Stefano Russo,
• Abstract要約: 我々は、NASAの航空安全報告システム(ASRS)から、候補となる危険シナリオを生成するAI支援アプローチを提案する。 対象の有害な結果が与えられた場合、分類因子としての構造化仮説と、その構造と整合した操作イベントシーケンスを記述する物語シナリオを生成する。 我々は,複数の大規模言語モデル,ゼロショットと少数ショットのプロンプト,およびオプションの微調整を評価し,プロンプトとモデル選択が生成した構造や物語の妥当性と現実性に与える影響を評価する。
• 参考スコア（独自算出の注目度）: 8.323726651684021
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Operational hazard analysis of aviation system operations must consider interactions among weather, ATC actions, airspace constraints, aircraft operations, and human factors - distinct from the functional hazard assessment applied at the aircraft-system level. We present an AI-assisted approach that generates candidate hazard scenarios from NASA's Aviation Safety Reporting System (ASRS). Given a target adverse outcome, it produces a structured hypothesis as categorical factors and a narrative scenario describing an operational event sequence consistent with the structure. Each scenario includes by a plausibility score from historical co-occurrence evidence and traceability to the most similar held-out ASRS reports. We then propose a hybrid variant, conditioning narrative generation on a structured hypothesis produced via evolutionary abduction, improving correctness and reducing variability. We evaluate multiple large language models, zero-shot versus few-shot prompting, and optional fine-tuning, measuring how prompting and model choice affect the validity and realism of the generated structures and narratives.
• Abstract（参考訳）: 航空システム運用の運用上のハザード分析は、天候、ATCの行動、空域の制約、航空機の運用、および人的要因の間の相互作用を、航空機システムレベルで適用される機能ハザード評価とは異なるものとみなさなければならない。 本稿では,NASAの航空安全報告システム(ASRS)から,潜在的な危険シナリオを生成するAI支援手法を提案する。 対象の有害な結果が与えられた場合、分類因子としての構造化仮説と、その構造と整合した操作イベントシーケンスを記述する物語シナリオを生成する。 それぞれのシナリオは、歴史的共起の証拠と最も類似したASRSレポートのトレーサビリティの信頼性スコアを含む。 そこで我々は,進化的推論による構造的仮説に基づくハイブリッドな物語生成を提案し,正確性の向上と変動性の低減を図った。 我々は,複数の大規模言語モデル,ゼロショットと少数ショットのプロンプト,およびオプションの微調整を評価し,プロンプトとモデル選択が生成した構造や物語の妥当性と現実性に与える影響を評価する。

関連論文リスト

• Emergent Strategic Reasoning Risks in AI: A Taxonomy-Driven Evaluation Framework [63.74295981594549]
  大規模言語モデル(LLM)は、自身の目的を達成する行動に関与している。 これには、詐欺(故意に誤解を招くユーザや評価者)、評価ゲーム(安全テスト中のパフォーマンスを戦略的に操作する)、報酬ハッキングなどが含まれる。 自動行動リスク評価のための分類駆動型エージェントフレームワークであるESRRSimを紹介する。
  論文  参考訳（メタデータ） (2026-04-23T23:44:01Z)
• Fine-Tuning Large Language Models for Cooperative Tactical Deconfliction of Small Unmanned Aerial Systems [3.3091223236295213]
  低高度空域における小型無人航空システム(SUAS)は、安全臨界条件下での信頼性の高い戦術的不信の必要性を高めている。 本稿では, 大規模言語モデル (LLMs) を, 微調整戦略を用いた協調的マルチエージェント・戦術デコンフリクションの意思決定者として検討する。
  論文  参考訳（メタデータ） (2026-03-30T15:22:27Z)
• Dual-Stage LLM Framework for Scenario-Centric Semantic Interpretation in Driving Assistance [3.7098231493739764]
  本稿では,都市交通におけるリスク推論の再現可能な監査のためのシナリオ中心の枠組みを提案する。 LLMに基づく推論を安全に整合した運転支援システムに統合する場合、シナリオ中心の監査と明示的なあいまいさ管理の重要性を強調している。
  論文  参考訳（メタデータ） (2026-03-29T06:20:08Z)
• 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)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な簡易確率モデルを提案する。 我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。 本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)

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。