論文の概要: Agentic AI Orchestration Framework for Spatial Intelligence: Supply Chain Deployment
- arxiv url: http://arxiv.org/abs/2610.34569v1
- Date: Sun, 25 Oct 2026 21:12:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.637237
- Title: Agentic AI Orchestration Framework for Spatial Intelligence: Supply Chain Deployment
- Title（参考訳）: 空間知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:サプライチェーン展開
- Abstract要約: ANASSAは、構造化推論、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、権威的空間グラウンド、フィードバック駆動実行を統合するリファレンスアーキテクチャである。
このアーキテクチャは、型付きデータコントラクトをエージェント境界に配置し、認証された権威基盤に対する空間的クレームを検証し、2つのブロックされたヒューマン・イン・ザ・ループの承認を強制する。
- 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: Industrial spatial decisions are assembled across systems that share neither a reference frame nor an owner, and analysts spend substantial effort reconciling those systems rather than reasoning about space. This paper presents ANASSA, a reference architecture integrating structured reasoning, multi-agent workflow orchestration, authoritative spatial grounding, and feedback-driven execution, and reports its instantiation in an operating supply-chain deployment. The architecture places typed data contracts at agent boundaries, validates spatial claims against a certified authoritative foundation, and enforces two blocking human-in-the-loop approvals inside a six-step cognitive loop. The deployment covers multi-hazard risk assessment on an ocean-and-inland freight lane, including cold-chain excursion detection over container telemetry. Across a three-month proof of concept (POC) with three implementation iterations, three deployment outcomes are reported: 25% improvement in data quality, 50% reduction in spatial workflow runtime, and 60% lower decision latency relative to the preceding manual workflow. Absolute deployment-scale quantities and baseline counts are confidential; reported percentages are observed relative changes. These are uncontrolled deployment observations, not controlled experiments. We therefore specify instrumentation and ablation protocols for mechanism-level evaluation.
- Abstract（参考訳）: 産業的空間決定は、参照フレームも所有者も共有しないシステムにまたがって組み立てられ、アナリストは空間を推論するよりも、これらのシステムの調整にかなりの時間を費やしている。
本稿では,構造化推論,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,権威的空間接地,フィードバック駆動実行を統合したリファレンスアーキテクチャであるANASSAについて述べる。
このアーキテクチャは、型付きデータコントラクトをエージェント境界に配置し、認定された権威基盤に対する空間的クレームを検証し、6ステップの認知ループ内に2つのブロックされたヒューマン・イン・ザ・ループの承認を実行する。
展開では、コンテナテレメトリによるコールドチェーンの抽出を含む、海と内陸の貨物レーンのマルチハザードリスク評価がカバーされている。
データ品質の25%改善、空間ワークフローランタイムの50%削減、前回のマニュアルワークフローと比較して決定遅延の60%低減である。
絶対的な展開規模とベースライン数は秘密であり、報告された割合は相対的な変化を観測する。
これらは無制御の展開観測であり、制御された実験ではない。
そこで我々は,機構レベル評価のための計測プロトコルとアブレーションプロトコルを規定する。
関連論文リスト
- Co-Modifying Application Code and Deployment Infrastructure: A Causal Study of AI Agent Pull Requests [0.10742675209112622]
アプリケーションコードとデプロイメントインフラストラクチャの両方を変更するデュアルスコーププルリクエスト(PR)の統合オーバーヘッドを評価します。
エージェントは主にアプリケーションコーダとして動作し、メンテナンスタスクはエージェントPRの17.70%から25.41%をキャプチャしている。
第1モードでは、明示的にレビューされたコントリビューションが遅れを招き、中央値のペナルティが+13.13時間となり、マージまでの時間は3.24倍になった。
論文 参考訳（メタデータ） (2026-10-09T01:16:04Z) - AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities [55.23913617185508]
Agentは、LLM(Large Language Models)ベースのエージェントを評価するための、オープンソース、軽量、インフラストラクチャである。
Benchmark、Harness、Environmentという3つの独立したコンポーネントに関する評価プロセスを編成する。
フォールトトレラントなランタイムと、報酬ハックのような障害モードを透過的に診断する包括的なトラジェクトリ分析ツールを備えている。
論文 参考訳（メタデータ） (2026-07-15T11:11:17Z) - A Five-Plane Reference Architecture for Runtime Governance of Production AI Agents [0.0]
本稿では,生産AIエージェントのガバナンスのための参照アーキテクチャを提案する。
我々は、許容と否定を一般化する6つの割り込みプリミティブの分類を定義し、4つの正当性不変量について主張する。
5つの具体的判断にまたがる7つの生産エージェントの脅威の隠蔽を実証する。
論文 参考訳（メタデータ） (2026-06-10T16:54:47Z) - RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations [51.43574078961796]
本稿では,SWE-Bench Verified上に構築された2段階評価スイートRepoMirageを紹介する。
RepoMirage-Perturbは、リポジトリレベルの摂動を保存する3つのタイプのセマンティクスを適用している。
RepoAnchorは、下流の問題解決からリポジトリの探索を分離する構造第一のプロトタイプワークフローである。
論文 参考訳（メタデータ） (2026-05-25T06:26:43Z) - Phionyx: A Deterministic AI Runtime Architecture with Structured State Management and Pre-Response Governance [0.0]
我々は、より広範なEchoismインタラクションフレームワークから派生した決定論的AIランタイムアーキテクチャであるPhionyxを紹介する。
確率的エージェントとは異なり、フィオニクスは決定論的状態進化方程式によって支配される構造化状態ベクトルを介して決定論的状態進化を実行する。
本アーキテクチャは,(1)標準46ブロックパイプラインによるカーネル処理ノイズセンサ計測の定性評価,(2)事前応答制御とアーキテクチャプライバシ保護を実現する統一安全層,(3)影響重み付きキャッシュ消去を実装したセマンティック時間ベースのメモリシステムである。
論文 参考訳（メタデータ） (2026-05-04T18:35:31Z) - Beyond detection: cooperative multi-agent reasoning for rapid onboard EO crisis response [39.146761527401424]
危険事象の迅速同定は、次世代の地球観測ミッションに不可欠である。
現在の監視パイプラインは、ダウンリンクの制限、マルチソースデータ融合の制約、徹底的なシーン分析の計算コストによるレイテンシーを導入している。
本研究では,厳密なリソース制約と帯域幅制約下でのEO処理のための階層型マルチエージェントアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-03-20T11:20:03Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - AgenticCyOps: Securing Multi-Agentic AI Integration in Enterprise Cyber Operations [7.660803748903973]
マルチエージェントシステム(MAS)は適応的で推論駆動の企業を約束するが、ツール、メモリ、通信の自律的な制御をエージェントに与えることで、決定論的パイプラインが欠如する攻撃面を導入する。
AgenticCyOpsは、コンポーネント層、調整層、プロトコル層にまたがる攻撃面を体系的に分解するフレームワークである。
このフレームワークをSecurity Operations Center(SOC)ワークフローに適用し、モデルコンテキストプロトコル(MCP)を構造基盤として採用する。
論文 参考訳（メタデータ） (2026-03-10T03:15:36Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z)
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。