論文の概要: SCORE-LM: State-Space Radar Representations with Language Models for Fault Diagnosis

• arxiv url: http://arxiv.org/abs/2609.38980v1
• Date: Wed, 30 Sep 2026 04:56:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.195618
• Title: SCORE-LM: State-Space Radar Representations with Language Models for Fault Diagnosis
• Title（参考訳）: SCORE-LM:故障診断のための言語モデルを用いた状態空間レーダ表現
• Abstract要約: SCORE-LMは、小さな散乱器条件の演算子応答エンコーダを適応されたローカル言語モデルに結合する。 8つの記録されたRad-R断層記録では、SCOREは最先端の性能を達成している。 非線形プロジェクタは、凍結した4つの類似点を5つのソフトトークンに変換し、コンパクトな診断とクラス条件のメンテナンスガイダンスをリンクする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radar hardware faults threaten automated perception, motivating accurate, compact diagnosis and understandable maintenance guidance. We introduce SCORE-LM, which couples a small scatterer-conditioned operator-response encoder (SCORE) to an adapted local language model. SCORE combines self-referenced complex trajectories, physical descriptors, and a selective state-space branch, with source-only self-supervision and directional fault inference. On eight capture-excluded Rad-R fault recordings, it achieves state-of-the-art performance within the evaluated nine-model comparison: 88.39% mean capture recall and 88.20% four-fault macro-F1 at ten frames. Its 39,520 radar inference coefficients are 119.7 times fewer than RadrNet-DS-CI's, while recall is 15.56 percentage points higher than this strongest competitor. In a separate low-label protocol, SCORE reaches 71.58% recall with one labeled source window per class. A nonlinear projector converts four frozen fault similarities into five soft tokens, linking compact diagnosis to class-conditioned maintenance guidance. On 75 development questions covering 24 radar windows, language adaptation raises correct-fault answers from 45 to 62 (60.0% to 82.7%) relative to removing the co-trained adapters, while retaining the same projector. SCORE-LM thus combines a compact radar specialist with a language interface for communicating fault-specific inspection guidance.
• Abstract（参考訳）: レーダーハードウェアの欠陥は、自動認識を脅かし、正確な、コンパクトな診断と理解可能なメンテナンスガイダンスを動機付けている。 SCORE-LMは,小型のスパッタ条件付き演算子応答エンコーダ(SCORE)を適応型ローカル言語モデルに結合する。 SCOREは、自己参照された複雑な軌跡、物理的記述子、選択的な状態空間分岐と、ソースのみの自己スーパービジョンと方向性のフォールト推論を組み合わせたものである。 88.39%の平均キャプチャリコール、88.20%の4フォールトマクロF1を10フレームで達成した。 39,520のレーダ推定係数はRadarNet-DS-CIの119.7倍、リコール率は15.56ポイントである。 別々の低ラベルプロトコルでは、SCOREはクラス毎に1つのラベル付きソースウィンドウで71.58%リコールされる。 非線形プロジェクタは、凍結した4つの類似点を5つのソフトトークンに変換し、コンパクトな診断とクラス条件のメンテナンスガイダンスをリンクする。 レーダウィンドウ24件に関する75件の開発質問において、言語適応は、同じプロジェクタを保持しながら、同一の訓練を受けたアダプタを除去するのに対して、45件から62件(60.0%から82.7%)まで正解率を上げている。 SCORE-LMは、コンパクトレーダースペシャリストと言語インターフェースを組み合わせて、故障固有の検査ガイダンスを通信する。

関連論文リスト

• Radar4D-VLM: Proposal-Grounded Temporal 4D Radar Reasoning Across Frozen Language Models [11.640975138247557]
  本稿では、自律走行のためのレーダのみの時間視覚言語モデルであるRadar4D-VLMを紹介する。 Radar4D-VLMは、幾何学的に接地されたオブジェクトの提案を抽出し、レーダー証拠をオブジェクト、シーン、キネマティックトークンのコンパクトな階層に整理する。 シーケンシャルに分離されたK-Radar開発検証では、トップ64の提案リコールは98.13%に達し、それぞれ6.40ポイントと22.83ポイントの固定格子と一様ランダム制御を超えた。
  論文  参考訳（メタデータ） (2026-08-04T18:32:16Z)
• Tactus: Open-Vocabulary Object Recognition from Low-Cost Pressure Arrays [0.0]
  圧力データのみからテキストクエリに回答するオープンモデルであるTactusを提示する。 187のトレーニング記録、144kの未ラベルの同センサーフレームで事前トレーニングされたマスク付きオートエンコーダ、センサー独自のキャリブレーションアフィン。 重み、コード、モデルがプラグインするメモリ層は、オープンにリリースされる。
  論文  参考訳（メタデータ） (2026-08-04T06:08:21Z)
• Cybersecurity Detection Classification with Reasoning-enabled Language Models [50.72675435043546]
  セキュリティオペレーションセンター(SOC)の大きな問題は、警告疲労である。 以前の作業では、大きな言語モデル(LLM)がトリアージラベルを直接出力するように促すか、あるいは微調整するが、検出が真の脅威であるかどうかを判断するよう訓練することはない。 我々は、実際の人間ラベルのWindowsエンドポイント検出に対して、推論可能なトリアージ分類器(CoT)を訓練する。
  論文  参考訳（メタデータ） (2026-07-30T16:22:13Z)
• LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
  本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。 ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。 nuScenesとVIRATの実験は、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2026-07-02T06:44:02Z)
• 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)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• NERVE: A Neuromorphic Vision and Radar Ensemble for Multi-Sensor Fusion Research [0.8228702942838674]
  NERVE(Neuromorphic Vision and Radar Ensemble)は5つのセンサから257分間の同期記録からなるマルチセンサデータセットである。 人間の検出と距離推定のためのDVS+Radarサブセットを構築した。 フィードフォワードとリカレント検出器を用いた実験では、DVSと77GHz Radarの組み合わせが常に検出を改善することが示されている。
  論文  参考訳（メタデータ） (2026-05-13T16:35:27Z)
• Beyond Localization: A Comprehensive Diagnosis of Perspective-Conditioned Spatial Reasoning in MLLMs from Omnidirectional Images [52.50752250573993]
  MLLM(Multimodal Large Language Models)は、視覚的知覚が強いが、視点の変化による空間の推論には限界がある。 本研究では、この課題を全方位360度画像におけるパースペクティブ・コンディションド・スペース・推論(PCSR)として検討する。 我々は2,600全方位画像から84,373組の質問応答対の診断ベンチマークであるPCSR-Benchを紹介する。
  論文  参考訳（メタデータ） (2026-05-12T17:11:17Z)
• From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
  異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。 商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。 低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
  論文  参考訳（メタデータ） (2026-03-02T13:02:13Z)

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。