論文の概要: DiTSG: Context-Aware Air Traffic Scene Generation with Multi-Agent Diffusion Transformers

• arxiv url: http://arxiv.org/abs/2610.16959v1
• Date: Mon, 12 Oct 2026 15:26:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 04:01:40.067019
• Title: DiTSG: Context-Aware Air Traffic Scene Generation with Multi-Agent Diffusion Transformers
• Title（参考訳）: DiTSG:マルチエージェント拡散変換器を用いたコンテクスト対応空気交通シーン生成
• Abstract要約: 交通シーン生成用拡散トランスフォーマーは、記録されたマルチエアクラフト軌道から航空交通シーンを生成することを学習する。 実験により、DiTSGは記録されたトラフィックの統計特性を再現する多様なトラフィックシーンを生成することが示された。
• 参考スコア（独自算出の注目度）: 6.044866498503464
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding how many aircraft, and which traffic configurations, can be safely and efficiently managed by air traffic controllers within a given airspace is fundamental to air traffic management. Air traffic controllers continuously modify aircraft trajectories through interventions such as speed advisories and radar vectoring, and the patterns of these interventions are difficult to capture effectively using existing air traffic simulators. To address this limitation, we propose Diffusion Transformers for Traffic Scene Generation (DiTSG), which learns to generate air traffic scenes from recorded multi-aircraft trajectories. DiTSG employs stacked multi-agent inverted Transformer layers as the denoising backbone of a diffusion transformer, jointly generates the trajectories of multiple aircraft within a traffic scene, and conditions the generation on agent-specific required times of arrival. The resulting trajectories generated by DiTSG preserve realistic inter-aircraft interactions observed in actual air traffic operations. Experiments show that the DiTSG generates diverse traffic scenes that reproduce the statistical properties of recorded traffic while preserving realistic inter-aircraft interactions.
• Abstract（参考訳）: 空域内の航空交通管制官が安全かつ効率的に管理できる航空機の数を理解することは、航空交通管理の基礎となる。 航空交通管制官は、速度アドバイザリやレーダベクターなどの介入を通じて航空機の軌道を継続的に変更し、これらの介入のパターンは、既存の航空交通シミュレータを使って効果的に捕捉することが困難である。 この制限に対処するために,マルチエアクラフト軌道から航空交通シーンを生成することを学ぶ交通シーン生成用拡散トランスフォーマー (DiTSG) を提案する。 DiTSGは、多重エージェント反転トランスフォーマー層を拡散変圧器の復調バックボーンとして使用し、交通シーン内で複数の航空機の軌道を共同で生成し、エージェント固有の所要時間で発生させる。 DiTSGが生み出した軌道は、実際の航空輸送で観測された現実的な航空機間相互作用を保っている。 実験により、DiTSGは、現実的な航空機間相互作用を保ちながら、記録されたトラフィックの統計的特性を再現する多様なトラフィックシーンを生成することが示された。

関連論文リスト

• V2TATC: A Joint Voice-Trajectory Embedding Framework and Dataset for Air Traffic Controller Situational Awareness [39.21497179369917]
  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。
  論文  参考訳（メタデータ） (2026-08-29T01:22:52Z)
• 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)
• Aero-World: Action-Conditioned Aerial Video Generation from Inertial Controls [57.166020875486474]
  我々は,事前学習した画像から映像への拡散モデルを制御可能な空中ビデオ生成装置に変換する方法であるtextbfAero-World を提案する。 実ビデオ-IMUペアで独立して訓練された冷凍潜伏空間物理学プローブは、LoRA微調整中に慣性・一貫性の異なる監視を提供する。 AeroBenchでは、アクションのみの微調整で平均AASを57.7から63.6に改善し、AirScapeよりも優れた品質制御トレードオフを提供する。
  論文  参考訳（メタデータ） (2026-05-19T12:02:17Z)
• 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)
• 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)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な簡易確率モデルを提案する。 我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。 本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)

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。