Astrazione di traiettorie navali con LLM

Un recente studio pubblicato su arXiv propone un framework per l'astrazione di traiettorie navali, combinando dati AIS (Automatic Identification System) con modelli linguistici di grandi dimensioni (LLM). L'obiettivo è trasformare sequenze di dati grezzi e spesso rumorosi in rappresentazioni strutturate e semanticamente arricchite, facilmente interpretabili da umani e utilizzabili da sistemi di ragionamento automatico.

Arricchimento contestuale

Il framework proposto segmenta le traiettorie in viaggi distinti, composti da episodi annotati con informazioni di mobilità. Ogni episodio viene ulteriormente arricchito con informazioni contestuali provenienti da diverse fonti, come entità geografiche vicine, elementi di navigazione offshore e condizioni meteorologiche. Questo arricchimento permette di generare descrizioni in linguaggio naturale controllato utilizzando LLM.

Applicazioni e vantaggi

La ricerca esamina empiricamente la qualità delle descrizioni generate da diversi LLM utilizzando dati AIS e funzionalità contestuali aperte. L'aumento della densità semantica e la riduzione della complessità spazio-temporale facilitano l'analisi a valle e l'integrazione con LLM per attività di ragionamento marittimo di livello superiore. Per chi valuta deployment on-premise, esistono trade-off da considerare, e AI-RADAR offre framework analitici su /llm-onpremise per valutare tali trade-off.