論文の概要: ANASSA: From High-Level Framework to Low-Level Architecture for Spatial Agentic AI

• arxiv url: http://arxiv.org/abs/2610.14382v1
• Date: Fri, 09 Oct 2026 23:03:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.041221
• Title: ANASSA: From High-Level Framework to Low-Level Architecture for Spatial Agentic AI
• Title（参考訳）: ANASSA: 空間エージェントAIのための高レベルフレームワークから低レベルアーキテクチャへ
• Abstract要約: 本稿では、ANASSAフレームワークを高レベルアーキテクチャ(HLA)の責務から低レベルアーキテクチャ(LLA)へと洗練する。 結果として生じる設計は、責任境界を維持しながら、実行可能なアーキテクチャ構造に翻訳する。 アーキテクチャはエンドツーエンドの実行トレースを通じて実証され、要求トレーサビリティ、内部整合性、責任保存、技術独立性について分析的に評価される。
• 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: Agentic AI systems operating over geospatial data require more than autonomous reasoning and tool use; they must also support explicit orchestration, spatial validation, governance, provenance, failure handling, and human decision authority. Prior work introduced ANASSA, an agentic AI orchestration framework for spatial intelligence that established high-level components and responsibility boundaries for governed agentic execution (arXiv:2609.14824). However, the framework did not specify how those high-level responsibilities should be systematically decomposed into an implementation-facing low-level architecture. This paper addresses that gap by applying Design Science Research (DSR) to refine the ANASSA framework from high-level architectural (HLA) responsibilities into a low-level architecture (LLA). The resulting design preserves the responsibility boundaries of the foundational framework while translating them into executable architectural structures, including 47 logical roles, versioned task graphs, capability-based agent selection, typed contracts, explicit runtime states, spatial validation mechanisms, governance controls, failure and recovery paths, and provenance records. The architecture is demonstrated through an end-to-end execution trace and analytically evaluated for requirements traceability, internal consistency, responsibility preservation, and technology independence. The resulting high-level-to-low-level design provides an implementation-facing bridge between the ANASSA framework and future system implementations, defining how governed spatial agentic workflows can be made inspectable, reconstructable, and testable without binding the architecture to a specific AI model, geospatial platform, communication protocol, or deployment environment.
• Abstract（参考訳）: 地理的データを操作するエージェントAIシステムは、自律的な推論やツールの使用以上のものを必要としている。 以前の作業では、空間知能のためのエージェントAIオーケストレーションフレームワークであるANASSAを導入し、管理されたエージェント実行のための高レベルのコンポーネントと責任境界を確立した(arXiv:2609.14824)。 しかしながら、このフレームワークは、これらのハイレベルな責務を、どのように体系的に低レベルなアーキテクチャに分解すべきかを明記していない。 本稿では,高レベルのアーキテクチャ (HLA) の責務から低レベルのアーキテクチャ (LLA) まで,ANASSA フレームワークを改良するための設計科学研究 (DSR) の適用によるギャップについて論じる。 結果として、47の論理的役割、バージョン管理されたタスクグラフ、機能ベースのエージェント選択、型付きコントラクト、明示的なランタイム状態、空間的検証機構、ガバナンスコントロール、障害と回復パス、前例記録などを含む、実行可能アーキテクチャ構造に変換しながら、基本フレームワークの責務境界を維持できる。 アーキテクチャはエンドツーエンドの実行トレースを通じて実証され、要求トレーサビリティ、内部整合性、責任保存、技術独立性について分析的に評価される。 結果として、高レベルから低レベルの設計は、ANASSAフレームワークと将来のシステム実装の間の実装対応ブリッジを提供し、特定のAIモデル、地理空間プラットフォーム、通信プロトコル、デプロイメント環境にアーキテクチャをバインドすることなく、管理された空間エージェントワークフローをどのように検査可能、再構築可能、およびテスト可能にするかを定義する。

関連論文リスト

• A Reference Architecture for Integrating Agentic AI into Enterprise Software: Responsibilities, Interactions, and Variability [9.504994522762454]
  Agentic AIは、生成AIアプリケーションを推論、企業コンテキスト、モデル推論、外部アクションを協調するシステムへと移行する。 既存の研究と産業アーキテクチャは、これらの懸念の多くに対処するが、スコープ、抽象化、責任組織、相互作用の表現、必要な機能に関する仮定が異なる。 本稿では,エンタープライズエージェントAI統合のための技術ニュートラル参照アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-10-10T11:29:28Z)
• Agentic AI Networking for Heterogeneous Unmanned Aerial Systems in Low-Altitude Wireless Networks [51.122913904076505]
  低高度無線ネットワーク(LAWN)は、異種無人航空システムの鍵となる基盤として浮上している。 本稿では,マルチエージェント強化学習(MARL)アーキテクチャを二重ループ構造として,階層型ハイブリッド型大規模言語モデル(LLM)を提案する。 具体的には、外部適応ループはLLMによるゲームオーケストレーションを使用して、サービス要件とオペレータの意図を解釈し、目的とリソースの優先順位を再設定する。 物流監視ケーススタディは、提案したフレームワークが異種サービス間の協調共存をどのように促進するかを示す。
  論文  参考訳（メタデータ） (2026-09-17T01:04:27Z)
• ANASSA: An Agentic AI Orchestration Framework for Spatial Intelligence [0.0]
  ANASSAは空間システムのためのエージェントAIオーケストレーションフレームワークである。 構造化空間推論、マルチエージェントワークフローオーケストレーション、実行フィードバック、権威的空間検証、証明、不確実性処理、人間決定権限を統合システム設計に統合する。
  論文  参考訳（メタデータ） (2026-09-13T22:35:26Z)
• Value-Preserving Architectures for Agentic AI Systems [44.64398176188818]
  アーキテクチャの選択はMASの機能や性能に影響を及ぼすだけでなく、価値指向システムの振る舞いを促進することができると論じる。 i) フェデレーショントポロジを持つプライバシ対応アーキテクチャ、(ii) 多重性と多様性を促進する分散アーキテクチャ、(iii) 不公平を検知・緩和するガードエージェントアーキテクチャ、について論じる。
  論文  参考訳（メタデータ） (2026-09-03T14:36:23Z)
• Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence [115.91847478507736]
  LLMは言語ジェネレータから、複雑な長距離タスクが可能な自律エージェントへと進化してきた。 多くのタスクにはヘテロジニアスな専門知識、相互依存サブタスク、並列実行、独立検証、永続状態が必要である。 私たちはこれをシステムインテリジェンス(System Intelligence)と呼び、複数のインテリジェントなコンポーネントを一貫した適応的な全体へと整理し、コーディネートするエージェントシステムの能力である。
  論文  参考訳（メタデータ） (2026-08-21T14:27:57Z)
• Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation [84.5255199507027]
  Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。 提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。 この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
  論文  参考訳（メタデータ） (2026-07-23T02:46:11Z)
• Architectural Design Decisions in AI Agent Harnesses [1.8222732878503212]
  本稿では,70件の公開エージェントシステムプロジェクトについて,プロトコル誘導型,ソースベースによる実証研究を行った。 5つの設計次元(サブエージェントアーキテクチャ、コンテキスト管理、ツールシステム、安全機構、オーケストレーション)を特定し、コーパスがファイルパーシスタント、ハイブリッド、階層的コンテキスト戦略を好んでいることを確認する。 軽量ツール,バランスのとれたCLIフレームワーク,マルチエージェントオーケストレータ,エンタープライズシステム,シナリオ仮想化プロジェクトなど,5つの繰り返し発生するアーキテクチャパターンを合成する。
  論文  参考訳（メタデータ） (2026-04-20T10:39:34Z)
• Towards a Declarative Agentic Layer for Intelligent Agents in MCP-Based Server Ecosystems [0.0]
  本稿では, 接地型エージェントシステムのためのモデル非依存アーキテクチャ層を提案する。 提案するレイヤであるDALIAは、実行可能な機能を形式化し、タスクを公開し、決定論的タスクグラフを構築する。 発見と計画と実行を明確に分離することで、アーキテクチャはエージェントの振る舞いを検証可能な運用空間に制約する。
  論文  参考訳（メタデータ） (2026-01-24T12:15:49Z)
• Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
  階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。 具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。 我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-21T12:25:47Z)
• Towards Responsible Generative AI: A Reference Architecture for Designing Foundation Model based Agents [28.406492378232695]
  ファンデーションモデルに基づくエージェントは、ファンデーションモデルの能力から自律性を引き出す。 本稿では,基礎モデルに基づくエージェントの設計におけるガイダンスとして機能するパターン指向参照アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-22T04:21:47Z)

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。