Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Détection robotisée des risques d'incendie basée sur le raisonnement par graphes de connaissances dynamiques : une approche basée sur le LLM avec chaîne de pensée graphique

Created by
  • Haebom

Auteur

Haimei Pan, Jiyun Zhang, Qinxi Wei, Xiongnan Jin, Chen Xinkai, Jie Cheng

Contour

Cet article propose Insights-on-Graph (IOG), un nouveau cadre pour améliorer l'efficacité des robots dans la prévention et la lutte contre les incendies. IOG s'appuie sur des modèles de langage à grande échelle (LLM) et des modèles multimodaux à grande échelle (LMM) pour construire un graphe de connaissances (KG) basé sur les connaissances extraites des directives de prévention des incendies et des documents d'intervention d'urgence robotique. En intégrant ces KG et LMM, il génère un graphe de risques à partir de vidéos en temps réel, permettant une détection précoce des risques d'incendie et une intervention d'urgence interprétable (configuration des modules de tâches et des composants du robot) en fonction de l'évolution de la situation. La praticabilité et l'applicabilité d'IOG sont vérifiées par des simulations et des expérimentations.

Takeaways, Limitations

•
Takeaways:
◦
Présentation de la possibilité de construire un système de détection et de réponse aux risques d'incendie basé sur un graphique de connaissances utilisant LLM et LMM.
◦
Détection précoce des risques d'incendie et stratégies d'intervention d'urgence interprétables grâce à l'analyse vidéo en temps réel.
◦
Fournit un cadre qui permet la configuration dynamique des modules et composants de travail du robot en fonction de la situation.
◦
Contribuer à améliorer l’efficacité de l’utilisation des robots dans le domaine de la prévention et de la suppression des incendies.
•
Limitations:
◦
Il est nécessaire de valider le cadre proposé pour l’appliquer à des sites réels d’incendies à grande échelle.
◦
Des évaluations de performance généralisées sont nécessaires pour différents types d’incendies et d’environnements.
◦
Des recherches supplémentaires sont nécessaires pour déterminer comment les limites du LLM et du LMM (par exemple, les données biaisées, la génération de désinformation) affectent les performances de l’IOG.
◦
Il est nécessaire d’améliorer l’efficacité des méthodes de représentation et de mise à jour des connaissances de KG.
👍
Made with Slashpage