MétaCan
Menu
Retour à la cohorte
Enregistrement W4303188296 · doi:10.55785/jcar.1.3.14

Miniature-Scale Radio-Controlled Excavator Robot: Expedient to Automated3D and 2D Poses Labeling

2022· article· en· W4303188296 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Construction Automation and Robotics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Applied Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDigitizationExcavatorAutomationRobotScale (ratio)Computer scienceRelative standard deviationEngineeringArtificial intelligenceComputer visionMathematicsGeographyMechanical engineeringCartographyStatistics

Résumé

récupéré en direct d'OpenAlex

생산성, 안정성, 수익률 향상, 그리고 젊은 노동인구의 부족 현상에 대응하기 위해선 robotic automation and digitization으로 대변되는 Industry 4.0으로의 기술혁신이 필요하다. 본 연구에서는 건설로봇 연구개발(R&D)을 지원하기 위한 하나의 수단으로써, miniature-scale radio-controlled(RC) equipment의 사용을 제안하고자 한다. 시각적 인공지능(Visual AI)은 Industry 4.0의 핵심 기술이지만, 방대한 양의 학습데이터를 요구한다. 하지만, 실 현장에서 작업중인 중장비의 데이터를 수집 및 레이블링 하는 것은 현실적으로 불가능 하다. 본 연구는 시중의 미니어처 엑스커베이터의 RC 시스템을 커스터마이즈하여, 기존의 컨트롤러를 사용하지 않고, PC를 통해 보다 구체적인 명령을 내릴 수 있도록 변경하였다. 버켓모션에 대한 사전검증 결과, 150 번의 시도에서 약 1-2° 내외의 mean average deviation(MAD)(|예측값 - 측정값|)를 확인 하였다. 본 연구에서는 이 경제적인 시스템을 활용한 중장비의 3D/2D 포즈 레이블링 방법을 제안하고자 한다.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,219
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle