要約
海上遭難通信からリアルタイムに重要情報を抽出するLLMフレームワーク「SeaAlert」が発表された。 GMDSS規格の短文・雑音通信やASR誤りに対応し、合成データで学習データ不足を克服。 海上救助の初動対応を支援し、安全分野におけるLLM実用化の可能性を示す。
LLMで海難救助通信を自動解析するフレームワーク登場
SeaAlert: Critical Information Extraction From Maritime Distress Communications with Large Language Models
原文を読む →
https://arxiv.org/abs/2604.14163
SeaAlertは、VHF無線で送信される海上遭難通信（マリーコール）を対象に、LLMを用いて船舶識別情報・位置・遭難種別・必要支援の4要素を自動抽出するフレームワークである。GMDSS（Global Maritime Distress and Safety System：海上における遭難・安全のための国際標準通信体制）に準拠した通信を扱うが、実際の遭難通信はストレス下で発話されるため規定フォーマットからの逸脱が多く、チャンネルノイズや話者ストレスによるASR（自動音声認識）誤りが情報抽出の精度を大きく低下させる。実用的なラベル付き遭難通信データが極めて少ないという課題に対し、LLM自身に現実的かつ多様な合成遭難メッセージを生成させるパイプラインを構築し、学習データとして活用した。また、ASR誤りに対する頑健性を高めるため、ノイズ耐性を持つプロンプト設計や後処理戦略を導入している。論文では既存の汎用LLM（GPT-4o等）との比較実験も行われており、専用チューニングとドメイン特化合成データの組み合わせが汎用モデル単独での適用より優れた抽出精度を示すことを確認している。実用面では、沿岸警備や海上保安機関のオペレーターが遭難信号をリアルタイムで処理する際の負荷軽減と応答速度向上に貢献できる可能性がある。