論文の概要: Edge-Based Agentic Retrieval-Augmented Generation for Autonomous FHWA Bridge Inspection Compliance

• arxiv url: http://arxiv.org/abs/2608.20372v1
• Date: Tue, 23 Jun 2026 15:15:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.28756
• Title: Edge-Based Agentic Retrieval-Augmented Generation for Autonomous FHWA Bridge Inspection Compliance
• Title（参考訳）: 自動FHWAブリッジ検査コンプライアンスのためのエッジベースエージェント検索生成
• Abstract要約: ブリッジガード (BridgeGuard) は、自律的な橋梁検査コンプライアンスのための、完全に空輸されたエージェント型検索・拡張世代 (RAG) システムである。 FHWA記録符号化ガイド上のベクトル探索とNational Bridge Inventory (NBI)に対する構造化sqlクエリの統合 セクションアウェアのチャンキングアルゴリズムは階層的な規制項目の境界を保ち、94.2%のチャンク整合性を達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Federal Highway Administration (FHWA) mandates that over 600,000 bridges in the United States be evaluated against the Recording and Coding Guide for the National Bridge Inventory (NBI). Manual compliance verification is labor-intensive, error-prone, and impractical in connectivity-limited field environments. This paper introduces BridgeGuard, a fully air-gapped agentic Retrieval-Augmented Generation (RAG) system for autonomous bridge inspection compliance. BridgeGuard integrates vector search over the FHWA Recording and Coding Guide with structured SQL queries against NBI tabular data, orchestrated by a stateful multi-step ReAct planning loop executing locally on commodity edge hardware. A section-aware chunking algorithm preserves hierarchical regulatory item boundaries, achieving 94.2% chunk integrity compared with 28.4% for naive fixed-size splitting. Evaluated on the full Delaware 2023 NBI inventory (874 bridges) and a Texas sample (200 bridges), the system achieves 99.77% and 100.0% classification accuracy, respectively, for Structurally Deficient bridge identification, with 100.0% citation accuracy, at 197.0 bridges per hour with out external network access. Ablation experiments confirm that both vector search and the multi-step agentic loop are necessary for correct compliance reasoning.
• Abstract（参考訳）: 連邦ハイウェイ管理局(FHWA)は、米国内の60,000以上の橋がナショナル・ブリッジ・インベントリ (NBI) の記録・符号化ガイド (Recording and Coding Guide for the National Bridge Inventory) に対して評価されることを義務付けている。 手動のコンプライアンス検証は、労働集約的で、エラーが発生し、接続に制限のあるフィールド環境では実用的ではない。 本稿では, 自律型橋梁検査コンプライアンスのための, 完全空装型エージェント検索型RAGシステムであるBridgeGuardを紹介する。 BridgeGuard は FHWA Recording and Coding Guide 上のベクトル探索と NBI 表データに対する構造化 SQL クエリを統合し,コモディティエッジハードウェア上でローカルに実行されるステートフルなマルチステップ ReAct 計画ループによって編成される。 セクションアウェアのチャンキングアルゴリズムは階層的な規制項目の境界を保ち、94.2%のチャンク整合性を達成する。 デラウェア2023NBIの全在庫(874本の橋)とテキサスのサンプル(200本の橋)に基づいて評価され、それぞれ99.77%と100.0%の分類精度を達成した。 アブレーション実験により、ベクトル探索と多段階エージェントループの両方が正しいコンプライアンス推論に必要であることが確認された。

関連論文リスト

• Bridging the Opacity: Evidence-Backed Cross-Chain Transaction Correspondence Reconstruction Across Heterogeneous Blockchains [69.29257298191438]
  クロスチェーンブリッジは相互運用を可能にするが、不正な資金の追跡に必要なトランザクションパスも破壊する。 サードパーティの調査員は通常、ブリッジバックエンドが保持するソース・ツー・デスティネーションマッピングにアクセスすることができない。 我々は,クロスチェーントランザクション通信を再構築するエビデンス駆動システムであるXSplicerを提案する。
  論文  参考訳（メタデータ） (2026-09-16T05:38:42Z)
• IntentFuzz: A Protocol-Aware Fuzzer for Automated Invariant Violation Detection in Intent-Based Cross-Chain Bridges [5.543794703214136]
  インテントベースのブリッジは、解決者がユーザの宣言された結果を満たし、オフチェーン決済層が預金に対する埋め合わせを調整する変種である。 この研究は、不変な違反、契約が局所的に強制しなければならない安全特性、オフチェーン決済層に合法的に委譲された決済露出を分類を定式化する。 IntreFuzzはプロトコル対応のファズーで、無注釈のSolidityソースから直接ブリッジのインテント構造とデポジット/フィル機能ロールを復元する。
  論文  参考訳（メタデータ） (2026-09-11T16:03:54Z)
• EAVer: Long-Form Factuality Verification as an End-to-End Agentic Policy [50.665874114632]
  我々は、完全な応答レベルの検証ワークフローを統一ポリシーとして制御することを学ぶ、エンドツーエンドのエージェント検証であるEAVerを紹介する。 EAVerはセマンティック関連クレームをグループ化し、信頼に基づいた直接検証やターゲット検索にルートし、コンパクトなインコンテキストメモで検索によって返される証拠を保持する。
  論文  参考訳（メタデータ） (2026-09-02T21:00:35Z)
• LoopsBench: From Harness Engineering to Loop Engineering in Benchmarking Coding Agent [60.27239351179265]
  LOOPSBENCHは、符号化エージェント評価におけるループエンジニアリングのベンチマークである。 8つのプログラミング言語と9つのドメインにまたがる、本物のソースからの112のタスクで構成されている。 フロー対応ランタイムは、準備されたフロンティアに沿ってテストをリリースし、レグレッション義務として完了したノードを保持します。
  論文  参考訳（メタデータ） (2026-07-31T20:18:25Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• SkillDAG: Self-Evolving Typed Skill Graphs for LLM Skill Selection at Scale [54.70985426016736]
  本稿では,スキル間関係を型付き有向グラフとしてモデル化したSkillDAGを提案する。 各検索はベクトルマッチング、型付きエッジ隣人、競合信号を返す。 ALFWorldとSkillsBench with MiniMax-M2.7では、SkillDAGは67.1%の成功と27.3%の報酬を得た。
  論文  参考訳（メタデータ） (2026-06-02T02:45:21Z)
• Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
  複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。 RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T10:38:38Z)
• CHAINTRIX: A multi-pipeline LLM-augmented framework for automated smart-contract security auditing [3.8615905456206256]
  Chaintrixは、スマートコントラクトエクスプロイトのためのエンドツーエンドの監査フレームワークである。 120の脆弱性のうち86が検出され、25の監査が100%リコールされた。
  論文  参考訳（メタデータ） (2026-05-10T06:02:22Z)
• SDOF: Taming the Alignment Tax in Multi-Agent Orchestration with State-Constrained Dispatch [0.0]
  制約状態マシンとしてマルチエージェント実行を扱うフレームワークであるSDOFを提案する。 Beisen iTalentプラットフォームが支援する採用システムでは、専門家による185のシナリオが1671のライブAPIコールを起動する。 GSPO 対応 7B Intent Router は,この FSM 制約付き逆ルーティングベンチマークにおいてゼロショット GPT-4o よりも高いジョイント精度を実現する。
  論文  参考訳（メタデータ） (2026-04-20T12:51:39Z)
• AVDA: Autonomous Vibe Detection Authoring for Cybersecurity [0.1633272850273525]
  AVDAは、モデルコンテキストプロトコル(MCP)を活用して、組織コンテキストをAI支援コード生成に統合することで検出を自動化するフレームワークである。 我々は,多種多様な生産検出コーパスと最先端LCMの3つのオーサリング戦略 – Baseline, Sequential, Agentic – を評価した。 その結果,エージェント品質の87%をトークンコストの40倍以下で達成できた。
  論文  参考訳（メタデータ） (2026-03-26T21:52:33Z)
• HierMUD: Hierarchical Multi-task Unsupervised Domain Adaptation between Bridges for Drive-by Damage Diagnosis [9.261126434781744]
  対象橋のラベルを使わずに,橋梁の損傷を診断するために,ある橋梁から学習したモデルを転送する新しい枠組みを提案する。 我々のフレームワークは、タスク共有とタスク固有の特徴を抽出するために、逆方向の方法で階層型ニューラルネットワークモデルを訓練する。 2つの橋と3台の車両から収集した実験データについて,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2021-07-23T19:39:32Z)

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。