RestoreAI -- 基于模式的剩余爆炸物风险估计系统
机器学习
2025-07-29 v1 计算机与社会
应用统计
机器学习
摘要
地雷清除是一项耗时耗资源的工作，影响超过60个国家。虽然AI被提议用于提高爆炸物（EO）检测效率，但现有方法主要关注目标识别，对基于空间模式信息的地雷风险预测关注有限。本工作旨在回答以下研究问题：AI如何用于从地雷模式预测地雷风险，以提高清扫效率？为此，我们引入RestoreAI，这是一个用于剩余爆炸物模式风险估计的AI系统。RestoreAI是首个利用地雷模式进行风险预测的AI系统，显著提升了估计残余风险（即遗漏EO）的准确性，帮助在土地释放前进行预测。我们特别关注三种RestoreAI的实现，分别为线性、曲线和贝叶斯模式搜寻器。首先，线性模式搜寻器使用来自主成分分析（PCA）的线性地雷模式进行风险预测。其次，曲线模式搜寻器使用来自主曲线的曲线地雷模式。最后，贝叶斯模式搜寻器通过贝叶斯模式风险预测融入先验专家知识。评估于真实世界地雷数据后，RestoreAI显著提升了清扫效率。最佳表现的模式-based 搜寻器在平均每单位时间清扫地雷比例提高了14.37个百分点，且比最佳基准搜寻器寻找所有地雷所需时间缩短了24.45%。有趣的是，线性和曲线模式搜寻器表现无显著差异，表明更高效的线性模式是风险预测的可行选项。
引用
@article{arxiv.2507.19873,
title = {RestoreAI -- Pattern-based Risk Estimation Of Remaining Explosives},
author = {Björn Kischelewski and Benjamin Guedj and David Wahl},
journal= {arXiv preprint arXiv:2507.19873},
year = {2025}
}