Resumen: Las primeras 72 horas de la investigación de un niño desaparecido son fundamentales para una recuperación exitosa. Sin embargo, los organismos encargados de hacer cumplir la ley a menudo se enfrentan a datos fragmentados y no estructurados y a una falta de herramientas de predicción geoespaciales dinámicas. Nuestro sistema, Guardian, proporciona un sistema integral de apoyo a la toma de decisiones para la investigación de niños desaparecidos y la planificación temprana de la búsqueda. Convierte documentos de casos heterogéneos y no estructurados en una representación espaciotemporal alineada con un esquema, enriquece los casos con geocodificación y contexto de transporte, y proporciona productos de búsqueda probabilística que abarcan de 0 a 72 horas. En este artículo, presentamos una descripción general de Guardian, así como una descripción detallada de un componente predictivo de tres capas del sistema. La primera capa es una cadena de Markov, un modelo escaso e interpretable con transiciones que incorporan costos de accesibilidad vial, preferencias de aislamiento y sesgo de corredor con parametrizaciones separadas día/noche. Las distribuciones de predicción de salida de la cadena de Markov se transforman luego en planes de búsqueda operativamente útiles mediante el aprendizaje por refuerzo de la segunda capa. Finalmente, el LLM de la tercera capa realiza una validación post hoc de los planes de búsqueda de la capa 2 antes de su publicación. Utilizando un estudio de caso sintético pero realista, informamos resultados cuantitativos en horizontes de 24/48/72 horas y analizamos la sensibilidad, los modos de falla y las compensaciones. Los resultados muestran que el sistema predictivo propuesto con la arquitectura de tres capas produce antecedentes interpretables para la optimización de zonas y la revisión humana.
Publicado originalmente en export.arxiv.org el 10 de marzo de 2026.
Ver fuente original
