論文の概要: Air Traffic Control Using Large Language Models: Prompt Engineering, Architecture, and Evaluation

• arxiv url: http://arxiv.org/abs/2608.19299v2
• Date: Wed, 26 Aug 2026 15:31:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:14.742418
• Title: Air Traffic Control Using Large Language Models: Prompt Engineering, Architecture, and Evaluation
• Title（参考訳）: 大規模言語モデルを用いた空気交通制御:プロンプト工学, 建築, 評価
• Abstract要約: 我々は,大規模言語モデル (LLM) が実運用で現実的な航空交通制御を実現することができるかどうかを実験的に評価した。 サンフランシスコ・ベイ・ツアー(Bay Tour)のルートを飛行する一般的な飛行は手書きで、真理として使用される(P0)。 オープンおよびクローズドソース LLM の9つにまたがって、プロンプト、異なる実験飛行からの作業用転写文の存在を、文脈内例として、また、モデル条件がそれ自身の事前応答か、あるいは接地史の注入かによって異なる。
• 参考スコア（独自算出の注目度）: 36.21888090037439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Air traffic control (ATC) communication is a safety-critical dialogue that remains largely human-driven even as other parts of air traffic management have been semi-automated. In this article, we experimentally evaluate whether large language models (LLMs) can generate operationally realistic ATC transmissions. An experimental general-aviation flight flying over the San Francisco "Bay Tour" route is hand-transcribed and used as ground truth (P0). Through a pilot-in-the-loop process we design five prompt structures (P1-P5) of increasing constraint and embed them in a stateful multi-turn pipeline, where the model plays ATC to a fixed pilot transcript while conditioning on the accumulating dialogue history. Across nine open- and closed-source LLMs we vary the prompt, the presence of a worked transcript from a different experimental flight as an in-context example, and whether the model conditions on its own prior replies or on injected ground-truth history. Turns are scored with lexical, structural, and semantic similarity metrics and by an LLM-as-judge (GPT-5.5) validated against human expert annotation. Supplying a worked example improves similarity, but tightening the prompt does not: the lightest prompts perform best and the most heavily scripted one collapses as its own errors accumulate through the dialogue, which injecting correct history repairs. These results outline a concrete path and its current limits toward LLM-assisted ATC.
• Abstract（参考訳）: 航空交通制御(ATC)通信は、航空交通管理の他の部分が半自動化されているにもかかわらず、主に人間主導の対話である。 本稿では,大規模言語モデル(LLM)が実運用で現実的なATC伝送を生成できるかどうかを実験的に評価する。 サンフランシスコの「ベイツアー」ルートを飛行する実験的な一般的な飛行は手書きで、真理として使用される(P0)。 パイロット・イン・ザ・ループ(Pilot-in-the-loop)プロセスを通じて、制約を増大させる5つのプロンプト構造(P1-P5)を設計し、ステートフルなマルチターンパイプラインに組み込む。 オープンおよびクローズドソース LLM の9つにまたがって、プロンプト、異なる実験飛行からの作業用転写文の存在を、文脈内例として、また、モデル条件がそれ自身の事前応答か、あるいは接地史の注入かによって異なる。 旋回は、語彙的、構造的、意味的類似度の測定と、人間の専門家のアノテーションに対して検証されたLLM-as-judge (GPT-5.5)によって測定される。 動作中のサンプルの供給は類似性を改善するが、プロンプトの締め付けはそうではない: 最も軽いプロンプトは最も良く、最も多くスクリプト化されたプロンプトは、対話を通じてエラーが蓄積されるにつれて崩壊し、正しい履歴修復を注入する。 これらの結果は, LLM支援ATCに向けた具体的な経路とその限界を概説している。

関連論文リスト

• Can Large Language Models Explain Flight Safety Events? A Prior-Guided Semantic LLM-based Approach [14.220005377497259]
  本研究では,飛行安全性解析のためのLLMに基づく先行誘導型セマンティックアプローチであるFlightLLMを提案する。 まず、統計的記述子と物理的に意味のある飛行指標を組み合わせることで、モーダル不整合に対処する機能工学を実行する。 この表現は、抽象的な数値パターンを定性的な記述に変換するセマンティック離散化モジュールによって処理される。
  論文  参考訳（メタデータ） (2026-08-18T17:11:40Z)
• SCOPE: A Lightweight-training LLM Framework for Air Traffic Control Readback Monitoring [8.082279149607116]
  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。
  論文  参考訳（メタデータ） (2026-05-28T07:56:24Z)
• SOMA: Efficient Multi-turn LLM Serving via Small Language Model [64.50946708641608]
  大規模言語モデル(LLM)は、多ターン対話設定にますます多くデプロイされている。 本稿では,セッションの初期回転を利用して局所応答多様体を推定するフレームワークを提案する。 採掘された試料を局所的なLoRA微調整に蒸留し, シュロゲートは推論時にプロンプトを伴わずに動作させる。
  論文  参考訳（メタデータ） (2026-05-11T23:07:33Z)
• AirTrafficGen: Configurable Air Traffic Scenario Generation with Large Language Models [0.004807514276707785]
  本稿では,複雑な航空交通制御シナリオを生成するための,新しいエンドツーエンドアプローチを提案する。 本手法では,セクタートポロジを符号化するためにグラフベースの目的表現を用いる。 Gemini 2.5 Proのような最先端モデルでは、運用リアリズムを維持しながら高トラフィックのシナリオを生成可能であることを示す。
  論文  参考訳（メタデータ） (2025-08-04T10:21:47Z)
• LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [102.1527101235251]
  LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。 自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。 LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-04-15T17:14:06Z)
• SEAL: Steerable Reasoning Calibration of Large Language Models for Free [58.931194824519935]
  大規模言語モデル(LLM)は、拡張チェーン・オブ・ソート(CoT)推論機構を通じて複雑な推論タスクに魅力的な機能を示した。 最近の研究では、CoT推論トレースにかなりの冗長性が示されており、これはモデル性能に悪影響を及ぼす。 我々は,CoTプロセスをシームレスに校正し,高い効率性を示しながら精度を向上する,トレーニング不要なアプローチであるSEALを紹介した。
  論文  参考訳（メタデータ） (2025-04-07T02:42:07Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• DriveMLM: Aligning Multi-Modal Large Language Models with Behavioral Planning States for Autonomous Driving [69.82743399946371]
  DriveMLMは、現実的なシミュレータでクローズループの自律運転を実行するためのフレームワークである。 モジュールADシステムの動作計画モジュールをモデル化するために,MLLM (Multi-modal LLM) を用いる。 このモデルは、Apolloのような既存のADシステムでプラグイン・アンド・プレイすることで、クローズループ運転を行うことができる。
  論文  参考訳（メタデータ） (2023-12-14T18:59:05Z)
• A Virtual Simulation-Pilot Agent for Training of Air Traffic Controllers [0.797970449705065]
  航空交通管制士(ATCo)の訓練を高速化する新しい仮想シミュレーションパイロットエンジンを提案する。 エンジンはATCo訓練生から音声通信を受け、自動音声認識と理解を行う。 私たちの知る限りでは、オープンソースのATCリソースとAIツールを完全にベースとした最初の作品です。
  論文  参考訳（メタデータ） (2023-04-16T17:45:21Z)
• 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)
• Speech and Natural Language Processing Technologies for Pseudo-Pilot Simulator [0.5480546613836199]
  本稿では,AtCos(Air-traffic Controls)トレーニングの高速化を目的とした,簡易かつ効率的な反復型モジュールシステムについて述べる。 例えば、ATCo訓練中にEUROのESCAPE liteシミュレータ(https://www.eurocontrol.int/simulator/escape)に人間のパイロットが必要である。 このニーズは、パイロットとして機能する自動システムによって置き換えることができる。
  論文  参考訳（メタデータ） (2022-12-14T11:34:59Z)

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。