論文の概要: Uncertainty-aware AI-enabled framework for predicting hydrogen dispersion in confined spaces to enhance operator situational awareness

• arxiv url: http://arxiv.org/abs/2610.23515v1
• Date: Fri, 16 Oct 2026 14:21:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.949525
• Title: Uncertainty-aware AI-enabled framework for predicting hydrogen dispersion in confined spaces to enhance operator situational awareness
• Title（参考訳）: 限られた空間における水素分散予測のための不確実性認識型AI対応フレームワーク
• Abstract要約: 圧縮水素バンカーにおける操作者の状況認識を高めるための2段階のAI対応フレームワークを提案する。 このフレームワークはまず、初期のセンサーの読み取りから未知のリーク率を推定する。 次に、水素雲が次のステップでどのように分散するかを予測する。
• 参考スコア（独自算出の注目度）: 5.539407031861404
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a two-stage AI-enabled framework for enhancing operator situational awareness during compressed hydrogen bunkering in maritime confined spaces. In the event of a leak, the framework first estimates the unknown leakage rate from early sensor readings and then forecasts how the hydrogen cloud will disperse over the next time steps, providing operators with a predicted concentration map together with confidence bounds. The framework is based on two independent AI models building one AI system. The AI system is designed as a decision-support tool. It augments sensor readings, and thus enhances operator situational awareness and supports decision-making. This enables preventive safety barriers to be deployed before hazardous concentrations are reached, while an independent emergency shutdown system remains the ultimate safety layer. The system design incorporates safeguards to ensure the AI system operates within its competence envelope. Trained and tested on an open dataset of confined-space hydrogen releases, the framework achieves a mean absolute error of $0.052$~g/s in leakage-rate estimation and $\approx0.018$ in hydrogen-concentration prediction, approaching the sensor precision bound of $\pm0.01$. The hydrogen-concentration prediction provides well-calibrated uncertainty estimates that allow operators to judge the reliability of each forecast. These results suggest that the framework may provide early information about hazardous concentration build-up, potentially supporting preventive actions by operators.
• Abstract（参考訳）: 本稿では, 水中拘束空間における圧縮水素バンカーの操作者の状況認識を高めるための2段階のAI対応フレームワークを提案する。 リークが発生した場合、このフレームワークはまず、初期のセンサーの読み取りから未知のリーク率を推定し、次に、水素雲が次のステップで分散するかを予測し、信頼境界とともに予測された集中マップを提供する。 このフレームワークは、1つのAIシステムを構築する2つの独立したAIモデルに基づいている。 AIシステムは意思決定支援ツールとして設計されている。 センサーの読み取りを強化し、オペレータの状況認識を強化し、意思決定をサポートする。 これにより、危険濃度に達する前に予防的安全障壁を配置することが可能であり、独立した緊急停止システムは究極の安全層のままである。 システム設計には、AIシステムがその能力の封筒内で動作することを保証するための安全ガードが組み込まれている。 このフレームワークは、閉じ込められた空間の水素放出のオープンデータセットで訓練され、平均絶対誤差が0.052$~g/s、水素濃縮予測が$\approx0.018$に達し、センサー精度が$\pm0.01$に近づく。 水素濃縮予測は、オペレーターがそれぞれの予測の信頼性を判断できるように、よく校正された不確実性推定を提供する。 以上の結果から, このフレームワークは早期に危険濃度の蓄積に関する情報を提供し, オペレーターによる予防行動を支援する可能性が示唆された。

関連論文リスト

• Explainable Failure Prediction and Prevention in Maritime [3.814858728853162]
  海上システムは、予期せぬ機器故障が安全性、信頼性、運用効率を損なうような非常にダイナミックな環境で運用される。 人工知能(AI)、機械学習、デジタルツイン、予測保守の最近の進歩は、積極的な障害予測と予防を可能にしている。 信頼性と説明可能な意思決定を保証することは、安全クリティカルな海洋アプリケーションにおいて依然として大きな課題である。
  論文  参考訳（メタデータ） (2026-10-06T13:51:58Z)
• Trust-Aware Predictive Emissions Monitoring for Gas Turbine Fleets with Limited Labelled Data [1.9307618337162025]
  限定ラベル付き監督下での艦隊レベルのガスタービンNOx予測に信頼性を考慮した確率的枠組みを提案する。 このフレームワークは,マルチヘッド再帰予測モデルと学習された信頼度推定,アンサンブルに基づく不確実性定量化,補助的特徴予測,特徴空間距離解析,動作範囲診断を組み合わせた。 その結果, 提案した信頼枠組みは, タービンの排出予測に有効な信頼性情報を提供することがわかった。
  論文  参考訳（メタデータ） (2026-06-04T13:28:58Z)
• Agentic Uncertainty Quantification [76.94013626702183]
  本稿では,言語化された不確実性をアクティブな双方向制御信号に変換する統合されたデュアルプロセスエージェントUQ(AUQ)フレームワークを提案する。 システム1(Uncertainty-Aware Memory, UAM)とシステム2(Uncertainty-Aware Reflection, UAR)は、これらの説明を合理的な手段として利用し、必要な時にのみターゲットの推論時間解決をトリガーする。
  論文  参考訳（メタデータ） (2026-01-22T07:16:26Z)
• Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models [60.728124907335]
  本研究では,気象適応型対向摂動最適化(WAAPO)を紹介した。 WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。 我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が大きな逸脱をもたらす可能性がある。
  論文  参考訳（メタデータ） (2025-12-09T17:20:56Z)
• Uncertainty-Driven Reliability: Selective Prediction and Trustworthy Deployment in Modern Machine Learning [1.2183405753834562]
  この論文は、不確実性推定が機械学習(ML)システムの安全性と信頼性を高める方法について考察する。 まず、モデルのトレーニング軌道は、アーキテクチャの変更や損失を伴わずに活用できるような、豊富な不確実性信号を含むことを示す。 本稿では,タスク間で動作し,深層アンサンブルのコストを回避し,最先端の選択的予測性能を実現する軽量なポストホック禁忌手法を提案する。
  論文  参考訳（メタデータ） (2025-08-11T02:33:53Z)
• Coverage-Guaranteed Speech Emotion Recognition via Calibrated Uncertainty-Adaptive Prediction Sets [0.0]
  しばしば感情的な抑圧と突然のアウトバーストによって引き起こされる道路の怒りは、衝突や攻撃的な行動を引き起こすことによって道路の安全を著しく脅かす。 音声感情認識技術は、ネガティブな感情を早期に識別し、タイムリーな警告を発することにより、このリスクを軽減することができる。 本稿では,予測精度を統計的に厳格に保証するリスク制御予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-24T12:26:28Z)
• Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing Uncertainty [125.41260574344933]
  エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。 全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
  論文  参考訳（メタデータ） (2023-05-26T04:27:48Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Heterogeneous-Agent Trajectory Forecasting Incorporating Class Uncertainty [54.88405167739227]
  本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。 さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。 軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-04-26T10:28:34Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)

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。