論文の概要: V2TATC: A Joint Voice-Trajectory Embedding Framework and Dataset for Air Traffic Controller Situational Awareness
- arxiv url: http://arxiv.org/abs/2608.28981v1
- Date: Sat, 29 Aug 2026 01:22:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.801761
- Title: V2TATC: A Joint Voice-Trajectory Embedding Framework and Dataset for Air Traffic Controller Situational Awareness
- Title（参考訳）: V2TATC:航空管制官の状況認識のための統合音声・軌道埋め込みフレームワークとデータセット
- Abstract要約: V2TATC(Voice-to-Trajectory for Air Traffic Control)は、音声通信・飛行データ埋め込みフレームワークである。
V2TATCは、音声命令とアドレスの航空機の軌道を、両方の方向でクエリできる単一の潜伏空間内の近くの点にマッピングする。
サンフランシスコ・ベイエリアにおけるV2TATCの有効性,主要空港の集中度,商業航空と一般航空の低高度輸送の混合効果を示す。
- 参考スコア（独自算出の注目度）: 39.21497179369917
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As air traffic volumes in the National Airspace System continue to expand, in particular in the low altitude airspaces, the need for scalable decision support tools used by air traffic controllers will also require more development. This article introduces Voice-to-Trajectory for Air Traffic Control, a joint voice communication-flight trajectory data embedding framework, that can be a component of situational awareness in congested airspaces, and assist the development of tools for ATC as they reason in real-time over Automatic Dependent Surveillance-Broadcast trajectories, or the intent expressed by pilots in natural language. We show that these data modalities are not independent and represent a common physical referent: an aircraft flying through the airspace. V2TATC maps a voice instruction and the trajectory of the addressed aircraft to nearby points in a single latent space that can be queried in both directions. It combines a self-supervised trajectory encoder, a frozen large-scale speech encoder, a contrastive joint embedding, and a bijective lifting via normalizing flows. We demonstrate V2TATC's effectiveness on the San Francisco Bay Area, for its concentration of major airports, and its mix of commercial and general aviation low altitude traffic. Lastly, we release a novel paired voice-trajectory dataset, and report experiments on cross-modal retrieval, ablations, and latent-space analysis.
- Abstract（参考訳）: ナショナル・エアスペース・システム(英語版)の航空交通量は拡大を続けており、特に低高度空域では、航空管制官が使用するスケーラブルな意思決定支援ツールの必要性も、さらなる開発を必要としている。
本稿では, 航空交通制御のための音声通信トラジェクトリ(Voice-to-Trajectory for Air Traffic Control)について紹介する。これは, 密集空域における状況認識の構成要素となる, 音声通信トラジェクトリデータ埋め込みフレームワークである。
これらのデータモダリティは独立したものではなく、航空空間を飛行する航空機という、一般的な物理参照物であることを示す。
V2TATCは、音声命令とアドレスの航空機の軌道を、両方の方向でクエリできる単一の潜伏空間内の近くの点にマッピングする。
自己教師付きトラジェクトリエンコーダ、凍結された大規模音声エンコーダ、対照的な関節埋め込み、および正規化フローによる単射リフトを組み合わせる。
サンフランシスコ・ベイエリアにおけるV2TATCの有効性、主要空港の集中度、商業航空と一般航空の低高度輸送の混合効果を実証する。
最後に,新しいペア音声軌跡データセットを公開し,クロスモーダル検索,アブレーション,潜在空間解析に関する実験を報告する。
関連論文リスト
- DESCENT: Directed Edge Scene Encoding for Airport Surface Movement Prediction [54.94692733670454]
DESCENTは変圧器ベースのアーキテクチャで、不均一な力学と厳密なトポロジ的制約を扱うように設計されている。
本手法は,飛行場環境コンテキストを適応的に収集する,潜在的到達性セット(PRS)コンテキストサンプリング機構を備えている。
Amelia-10ベンチマークによる評価では,最先端のベースラインよりも大幅な性能向上が見られた。
論文 参考訳（メタデータ） (2026-08-26T16:49:50Z) - Unlocking air traffic flow prediction through microscopic aircraft-state modeling [32.3411287446595]
本稿では,時空の状況から直接,将来的な交通の流れを予測する状態からフローまでのモデリングフレームワークであるAeroSenseを紹介する。
大規模な実世界のデータセットの実験では、AeroSenseは集約ベースの予測アプローチよりも予測精度を一貫して改善している。
論文 参考訳（メタデータ） (2026-05-11T07:04:55Z) - ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。
ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
論文 参考訳（メタデータ） (2026-03-17T14:16:10Z) - Airspace-aware Contingency Landing Planning [5.173672380708639]
本稿では,地上リスクを考慮したリアルタイム・検索型緊急着陸プランナを開発し,交通の混乱を最小限に抑える。
歴史的自動監視放送(ADS-B)データを処理して航空交通密度を推定する。
低遅延計算幾何アルゴリズムは、高リスク回廊や制限領域周辺の近接型ヒートマップを生成する。
論文 参考訳（メタデータ） (2026-02-06T01:04:10Z) - Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している
我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。
このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。
これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
論文 参考訳（メタデータ） (2025-10-28T10:05:53Z) - Combining Textual and Spectral Features for Robust Classification of Pilot Communications [2.9346090159291283]
本稿では、テキストとスペクトルの両方の特徴を用いてパイロット無線通信を分類する、新しいデュアルパイプライン機械学習フレームワークを提案する。
我々の知る限り、これは実世界の航空交通オーディオの二重パイプラインMLフレームワークを用いて、運用航空機の意図を分類する最初のシステムである。
論文 参考訳（メタデータ） (2025-09-11T16:43:10Z) - Learning to Explain Air Traffic Situation [0.0]
本稿では,航空交通状況を説明するための機械学習フレームワークを提案する。
具体的には,トランスフォーマーをベースとした多エージェント軌道モデルを用いて,航空機の時空間移動とそれらの間の社会的相互作用の両方をカプセル化する。
これにより、航空管制官が交通状況をどのように認識し理解しているかを説明できる。
論文 参考訳（メタデータ） (2025-02-15T11:03:47Z) - Call-sign recognition and understanding for noisy air-traffic
transcripts using surveillance information [72.20674534231314]
航空交通管制(ATC)は、パイロットと航空交通管制官(ATCO)の間の音声による通信に依存している。
コールサインは、各フライトのユニークな識別子として、ATCOによって特定のパイロットに対処するために使用される。
この問題に対処する新しいコールサイン認識・理解システム(CRU)を提案する。
認識器は、ノイズの多いATC文字起こしのコールサインを識別し、標準国際民間航空機関(ICAO)フォーマットに変換するよう訓練されている。
論文 参考訳（メタデータ） (2022-04-13T11:30:42Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳（メタデータ） (2021-10-28T14:12:10Z) - A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。
実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
論文 参考訳（メタデータ） (2021-07-07T08:55:31Z)
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。