VTS-LLM: Domain-Adaptive LLM Agent for Enhancing Awareness in Vessel Traffic Services through Natural Language

要約

船舶交通サービス（VTS）は、リアルタイムの交通管理を通じて、海上の安全と規制遵守に不可欠である。しかし、複雑化する交通量と、異種、マルチモーダルデータの普及に伴い、既存のVTSシステムは、時空間推論と直感的なヒューマンインタラクションの限界に直面している。本研究では、VTS運用における対話的な意思決定支援のために調整された、初の領域適応型大型LLMエージェントであるVTS-LLMエージェントを提案する。我々は、構造化された船舶データベースと外部の海事知識を組み合わせることで、知識を補強したText-to-SQLタスクとして、リスクのある船舶識別を定式化する。これをサポートするために、カスタムスキーマ、ドメイン固有のコーパス、および複数の言語スタイルによるクエリ-SQLテストセットから構成される、キュレートされたベンチマークデータセットを構築する。我々のフレームワークは、NERベースの関係推論、エージェントベースのドメイン知識注入、セマンティック代数中間表現、およびクエリ再考メカニズムを組み込み、ドメイングラウンディングとコンテキストを考慮した理解を強化する。実験結果は、VTS-LLMがコマンドスタイル、オペレーションスタイル、形式的自然言語クエリにおいて、それぞれ汎用ベースラインとSQLにフォーカスしたベースラインの両方を凌駕することを示している。さらに、我々の分析は、言語スタイルの変化がText-to-SQLモデリングにおいて体系的な性能課題をもたらすという最初の経験的証拠を提供する。この研究は、船舶交通サービスにおける自然言語インタフェースの基礎を築き、プロアクティブなLLM駆動型海上リアルタイム交通管理の新たな可能性を開くものである。

要約(オリジナル)

Vessel Traffic Services (VTS) are essential for maritime safety and regulatory compliance through real-time traffic management. However, with increasing traffic complexity and the prevalence of heterogeneous, multimodal data, existing VTS systems face limitations in spatiotemporal reasoning and intuitive human interaction. In this work, we propose VTS-LLM Agent, the first domain-adaptive large LLM agent tailored for interactive decision support in VTS operations. We formalize risk-prone vessel identification as a knowledge-augmented Text-to-SQL task, combining structured vessel databases with external maritime knowledge. To support this, we construct a curated benchmark dataset consisting of a custom schema, domain-specific corpus, and a query-SQL test set in multiple linguistic styles. Our framework incorporates NER-based relational reasoning, agent-based domain knowledge injection, semantic algebra intermediate representation, and query rethink mechanisms to enhance domain grounding and context-aware understanding. Experimental results show that VTS-LLM outperforms both general-purpose and SQL-focused baselines under command-style, operational-style, and formal natural language queries, respectively. Moreover, our analysis provides the first empirical evidence that linguistic style variation introduces systematic performance challenges in Text-to-SQL modeling. This work lays the foundation for natural language interfaces in vessel traffic services and opens new opportunities for proactive, LLM-driven maritime real-time traffic management.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL