論文の概要: GPEvac: GNN-Based PPO for Adaptive Evacuation Routing During Shooting Events
- arxiv url: http://arxiv.org/abs/2609.16163v1
- Date: Mon, 14 Sep 2026 18:04:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.16966
- Title: GPEvac: GNN-Based PPO for Adaptive Evacuation Routing During Shooting Events
- Title（参考訳）: GPEvac: 撮影イベントにおける適応避難ルーティングのためのGNNベースのPPO
- Abstract要約: 効果的な避難システムは、敵の不確実性や群集動態を考慮しつつ、脅威暴露を最小限に抑えなければならない。
我々は,射撃イベント中の適応避難経路を計算するGNNベースのPPOフレームワークであるGPEvacを提案する。
このシステムは、ローカルCPUハードウェア上で14.73msでグローバルな避難経路を計算し、ライブ監視システムとのシームレスな統合を可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The sharp increase in mass shootings underscores an urgent need for systems that guide victims to safety in real time. An effective evacuation system must minimize threat exposure while also accounting for adversarial uncertainty and crowding dynamics. Current methods in the literature are rigidly constrained to layout-specific policies and computationally intractable in large-scale layouts, while practical guidelines simply advise victims to "run", "hide", or "fight". We propose GPEvac: a GNN-based PPO framework that computes adaptive evacuation routes during shooting events. To capture both local and long-distance dependencies, we introduce an edge-first sequential message-passing scheme with a learnable virtual global node. The resulting graph embeddings are integrated into a permutation-invariant scoring mechanism that allows a single learned policy to operate across building layouts of diverse topologies and sizes. Through extensive simulation, we show that GPEvac outperforms intelligent baselines across distinct architectural layouts, significantly reducing total threat exposure. Crucially, the system computes global evacuation routes in just 14.73 ms on local CPU hardware, enabling seamless integration with live surveillance systems. In addition to saving lives during shooting events, the methodologies developed are transferable to other graph-structured decision-making domains, including critical infrastructure, intelligent transportation systems, and adaptive sensor networks.
- Abstract（参考訳）: 銃乱射事件の急激な増加は、被害者をリアルタイムで安全に誘導するシステムへの緊急の必要性を浮き彫りにしている。
効果的な避難システムは、敵の不確実性や群集動態を考慮しつつ、脅威暴露を最小限に抑えなければならない。
文献の現在の手法は、レイアウト固有のポリシーに厳格に制約され、大規模レイアウトでは計算に難航するが、実際的なガイドラインは、犠牲者に「走り」、「隠れ」、または「戦い」を勧めるものである。
我々は,射撃イベント中の適応避難経路を計算するGNNベースのPPOフレームワークであるGPEvacを提案する。
ローカルと長距離の両方の依存関係をキャプチャするために,学習可能な仮想グローバルノードを備えたエッジファーストのシーケンシャルメッセージパッシング方式を導入する。
結果として得られるグラフの埋め込みは置換不変のスコアリング機構に統合され、単一の学習ポリシーが様々なトポロジとサイズを持つビルディングレイアウトをまたいで動作できるようにする。
大規模なシミュレーションにより、GPEvacは、異なるアーキテクチャレイアウトの知的ベースラインよりも優れており、全体的な脅威露光を著しく低減していることを示す。
重要なことに、このシステムはローカルCPUハードウェア上で14.73msでグローバルな避難経路を計算し、ライブ監視システムとのシームレスな統合を可能にする。
射撃イベント中の命を救うことに加えて、開発された方法論は、重要なインフラ、インテリジェントトランスポートシステム、適応センサーネットワークを含む他のグラフ構造化決定領域に転送可能である。
関連論文リスト
- MOAR Planner: Multi-Objective and Adaptive Risk-Aware Path Planning for Infrastructure Inspection with a UAV [4.297070083645049]
本稿では,ミッション中のリスクの複雑化に対処するMOARパスプランナを提案する。
安全、時間、エネルギーを同時に最適化しながら、リアルタイムな軌道適応を提供する。
提案されたフレームワークは、UAVがより自律的で確実に重要なミッションをナビゲートできるようにすることで貢献する。
論文 参考訳（メタデータ） (2026-06-29T17:18:02Z) - Physical-AI: From Channel Awareness to Environmental Intelligence in 6G Wireless Networks [100.92510794177822]
従来の無線ネットワークは、物理的環境を明示的にモデル化することなく、瞬時チャネル状態情報(CSI)に依存し、チャネルの変動に反応する。
本研究では,環境に配慮した無線ネットワークのための新しいアーキテクチャであるPhysical-AIを提案する。
提案手法は,特にビームスイッチング遅延の増加にともなって,停止確率とブロック応答遅延を低減させる。
論文 参考訳（メタデータ） (2026-05-12T09:02:20Z) - Robust Cross-Domain WiFi Fall Detection via Physics-Driven Attention-Enhanced Transformers [64.35403680946182]
WiFiチャンネル状態情報(CSI)を利用したデバイスフリーの転倒検出が,高齢者の健康モニタリングのための有望なソリューションとして浮上している。
既存のディープラーニングアプローチでは、目に見えない環境にデプロイされた場合、パフォーマンスが大幅に低下する。
本稿では,新しいCNN-Transformerハイブリッドアーキテクチャを特徴とする,堅牢で汎用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-23T03:28:12Z) - Zero-Shot Scalable Resilience in UAV Swarms: A Decentralized Imitation Learning Framework with Physics-Informed Graph Interactions [6.590573149504977]
大規模な無人航空機(UAV)の故障は、無人航空機の群れネットワークを非接続のサブネットワークに分割することができる。
本稿では,分散処理による集中学習を取り入れた物理インフォームド適応グラフ学習アルゴリズム(PhyGAIL)を提案する。
論文 参考訳（メタデータ） (2026-04-17T07:06:42Z) - Optimized Area Coverage in Disaster Response Utilizing Autonomous UAV Swarm Formations [0.879504058268139]
本稿では,山火事等の災害シナリオにおいて,最初の応答者を支援するために設計されたUAVスワムシステムを提案する。
複数のエージェントにセンサーを分散させることで、飛行期間を延長し、データの可用性を高め、衝突によるミッション失敗のリスクを低減する。
論文 参考訳（メタデータ） (2025-12-08T20:41:08Z) - A Cross-Environment and Cross-Embodiment Path Planning Framework via a Conditional Diffusion Model [6.482051262912219]
本研究の目的は、未確認環境や新しいロボットマニピュレータに再訓練せずに一般化できる経路計画フレームワークを開発することである。
本稿では,Voxelized scene representationsに基づく共同空間軌跡を生成する拡散型計画モデルであるGADGETを提案する。
実験結果から,GADGETは球状障害物,ビンピッキング,シェルフ環境において衝突強度の低い高い高い成功率を達成できた。
論文 参考訳（メタデータ） (2025-10-21T23:30:14Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - ReGentS: Real-World Safety-Critical Driving Scenario Generation Made Stable [88.08120417169971]
機械学習に基づく自律運転システムは、現実世界のデータでは稀な安全クリティカルなシナリオで課題に直面していることが多い。
この研究は、軌道最適化によって複雑な現実世界の通常のシナリオを変更することによって、安全クリティカルな運転シナリオを生成することを検討する。
提案手法は、頑健なプランナーの訓練には役に立たない非現実的な発散軌道と避けられない衝突シナリオに対処する。
論文 参考訳（メタデータ） (2024-09-12T08:26:33Z) - Privacy-Preserving Distributed Learning for Residential Short-Term Load
Forecasting [11.185176107646956]
電力システムの負荷データは、住宅ユーザの日常のルーチンを不注意に明らかにし、彼らの財産のセキュリティにリスクを及ぼす可能性がある。
我々はマルコフスイッチ方式の分散学習フレームワークを導入し、その収束は厳密な理論的解析によって実証される。
実世界の電力系統負荷データを用いたケーススタディにより,提案アルゴリズムの有効性を検証した。
論文 参考訳（メタデータ） (2024-02-02T16:39:08Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z)
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。