論文の概要: Hazard recognition in an immersive virtual environment: Framework for
the simultaneous analysis of visual search and EEG patterns
- arxiv url: http://arxiv.org/abs/2003.09494v1
- Date: Sat, 14 Mar 2020 20:12:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 04:23:07.589389
- Title: Hazard recognition in an immersive virtual environment: Framework for
the simultaneous analysis of visual search and EEG patterns
- Title(参考訳): 没入型仮想環境におけるハザード認識:視覚探索と脳波パターンの同時解析のためのフレームワーク
- Authors: Mojtaba Noghabaei, and Kevin Han
- Abstract要約: 本研究は、労働者のハザード認識能力を高めるために、Immersive Virtual Environment(IVE)における仮想安全トレーニングを提案する。
アイトラッカーを備えたバーチャルリアリティ(VR)デバイスを装着した労働者は、シミュレーションされた建設現場の危険を仮想的に認識する。
このプラットフォームは、視覚的ハザード認識タスクにおける作業者の全体的なパフォーマンスを分析し、各作業者に追加の介入を必要とするハザードを特定する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unmanaged hazards in dangerous construction environments proved to be one of
the main sources of injuries and accidents. Hazard recognition is crucial to
achieve effective safety management and reduce injuries and fatalities in
hazardous job sites. Still, there has been lack of effort that can efficiently
assist workers in improving their hazard recognition skills. This study
presents virtual safety training in an Immersive Virtual Environment (IVE) to
enhance worker's hazard recognition skills. A worker wearing a Virtual Reality
(VR) device, that is equipped with an eye-tracker, virtually recognizes hazards
on simulated construction sites while a brainwave-sensing device records brain
activities. This platform can analyze the overall performance of the workers in
a visual hazard recognition task and identify hazards that need additional
intervention for each worker. This study provides novel insights on how a
worker's brain and eye act simultaneously during a visual hazard recognition
process. The presented method can take current safety training programs into
another level by providing personalized feedback to the workers.
- Abstract(参考訳): 危険な建設環境における無管理の危険は、怪我や事故の主な原因の1つであることが判明した。
リスク認識は、効果的な安全管理を達成し、有害な仕事場における負傷者や死亡者を減らすために不可欠である。
それでも、労働者のハザード認識能力向上を効率的に支援する努力が不足している。
本研究では,労働者のハザード認識能力を高めるために,Immersive Virtual Environment(IVE)における仮想安全トレーニングを提案する。
アイトラッカーを備えたバーチャルリアリティ(VR)デバイスを装着した労働者は、脳波検出装置が脳活動を記録している間、シミュレーションされた建設現場の危険を仮想的に認識する。
このプラットフォームは、視覚的ハザード認識タスクにおける作業者の全体的なパフォーマンスを分析し、各作業者にさらなる介入を必要とするハザードを特定する。
本研究は,視覚ハザード認識過程における作業者の脳と眼の同時動作に関する新たな知見を提供する。
提案手法は、労働者にパーソナライズされたフィードバックを提供することにより、現在の安全訓練プログラムを別のレベルに引き込むことができる。
関連論文リスト
- AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳(メタデータ) (2023-12-18T12:37:35Z) - The Last Decade in Review: Tracing the Evolution of Safety Assurance
Cases through a Comprehensive Bibliometric Analysis [7.431812376079826]
安全保証は、自動車、航空宇宙、原子力など、様々な分野において最重要事項である。
安全保証ケースを使用することで、生成されたシステム機能の正しさを検証することができ、システム障害を防止することができる。
論文 参考訳(メタデータ) (2023-11-13T17:34:23Z) - KnowSafe: Combined Knowledge and Data Driven Hazard Mitigation in
Artificial Pancreas Systems [3.146076597280736]
KnowSafeは、安全を害する悪意のある攻撃や、CPSコントローラを標的とした偶発的な障害による安全性の危険を予測し軽減する。
安全制約のドメイン固有の知識とコンテキスト固有の緩和行動と機械学習(ML)技術を統合する。
KnowSafeは、システム状態の軌跡や潜在的な危険を予測する上で、より高い精度を達成することで、最先端技術よりも優れています。
論文 参考訳(メタデータ) (2023-11-13T16:43:34Z) - Safety Margins for Reinforcement Learning [74.13100479426424]
安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。
Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
論文 参考訳(メタデータ) (2023-07-25T16:49:54Z) - Physical Adversarial Attack meets Computer Vision: A Decade Survey [57.46379460600939]
本稿では,身体的敵意攻撃の概要を概観する。
本研究は,身体的敵意攻撃の性能を体系的に評価する第一歩を踏み出した。
提案する評価基準であるhiPAAは6つの視点から構成される。
論文 参考訳(メタデータ) (2022-09-30T01:59:53Z) - Learning to Assess Danger from Movies for Cooperative Escape Planning in
Hazardous Environments [4.042350304426974]
このようなシナリオを実世界で再現することは困難であり、これはトレーニングとテストの目的で必要である。
現在のシステムは、このような危険な環境で利用可能なリッチなマルチモーダルデータを十分に活用することはできない。
本稿では,映画やテレビ番組の形式で利用可能な膨大な量の視覚コンテンツを活用し,現実世界で遭遇する危険環境を表現できるデータセットを開発することを提案する。
論文 参考訳(メタデータ) (2022-07-27T21:07:15Z) - Constrained Reinforcement Learning for Robotics via Scenario-Based
Programming [64.07167316957533]
DRLをベースとしたエージェントの性能を最適化し,その動作を保証することが重要である。
本稿では,ドメイン知識を制約付きDRLトレーニングループに組み込む新しい手法を提案する。
我々の実験は、専門家の知識を活用するために我々のアプローチを用いることで、エージェントの安全性と性能が劇的に向上することを示した。
論文 参考訳(メタデータ) (2022-06-20T07:19:38Z) - Risk-Driven Design of Perception Systems [47.787943101699966]
システム全体の安全性を低下させるエラーを最小限に抑えるために,認識システムを設計することが重要である。
完全積分閉ループシステムの性能に及ぼす知覚誤差の影響を考慮に入れた認識システム設計のためのリスク駆動型アプローチを開発する。
本研究では,現実的な視界に基づく航空機による応用・回避技術の評価を行い,リスク駆動設計がベースラインシステム上での衝突リスクを37%低減することを示す。
論文 参考訳(メタデータ) (2022-05-21T21:14:56Z) - Sustainability Through Cognition Aware Safety Systems -- Next Level
Human-Machine-Interaction [1.847374743273972]
産業安全は、生産シナリオの間、人間、機械、環境の物理的整合性を扱う。
認知意識安全システム(CASS)の概念は、人間の負荷、ストレス、注意に関するAIベースの推論とAIベースのアクションの選択を統合して、安全停止のトリガーを避けることである。
論文 参考訳(メタデータ) (2021-10-13T19:36:06Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳(メタデータ) (2020-10-19T13:09:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。