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 OpenAlexaff
Daeho Kim, Saffari Sheida

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,006

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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Construction Automation and RoboticsMême sujetEngineering Applied ResearchTravaux en français237 207