論文の概要: Machine-Learning Approach to Analyze the Status of Forklift Vehicles
with Irregular Movement in a Shipyard
- arxiv url: http://arxiv.org/abs/2009.14025v2
- Date: Mon, 12 Oct 2020 04:20:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 06:46:13.382344
- Title: Machine-Learning Approach to Analyze the Status of Forklift Vehicles
with Irregular Movement in a Shipyard
- Title（参考訳）: 造船所における不規則な移動を伴うフォークリフト車両の状態分析のための機械学習手法
- Authors: Hyeonju Lee, Jongho Lee, Minji An, Gunil Park, Sungchul Choi
- Abstract要約: 大きな造船所では、様々な船の建造に使用される設備の管理が重要である。
本研究では,各フォークリフトの作業状況を特定するための機械学習に基づくアプローチを提案する。
我々はGPSとIoT(Internet of Things)デバイスを備えたフォークリフトから情報を集めるビジネスインテリジェンスシステムを開発した。
- 参考スコア（独自算出の注目度）: 7.109403392547758
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In large shipyards, the management of equipment, which are used for building
a variety of ships, is critical. Because orders vary year to year, shipyard
managers are required to determine methods to make the most of their limited
resources. A particular difficulty that arises because of the nature and size
of shipyards is the management of moving vehicles. In recent years,
shipbuilding companies have attempted to manage and track the locations and
movements of vehicles using Global Positioning System (GPS) modules. However,
because certain vehicles, such as forklifts, roam irregularly around a yard,
identifying their working status without being onsite is difficult. Location
information alone is not sufficient to determine whether a vehicle is working,
moving, waiting, or resting. This study proposes an approach based on machine
learning to identify the work status of each forklift. We use the DBSCAN and
k-means algorithms to identify the area in which a particular forklift is
operating and the type of work it is performing. We developed a business
intelligence system to collect information from forklifts equipped with GPS and
Internet of Things (IoT) devices. The system provides visual information on the
status of individual forklifts and helps in the efficient management of their
movements within large shipyards.
- Abstract（参考訳）: 大型造船所では、様々な船舶の建造に使用される設備の管理が重要である。
発注は年々異なるため、造船所管理者は限られた資源を最大限に活用するための方法を決定する必要がある。
造船所の性質と大きさが原因で生じる特に難しいのは、移動車両の管理である。
近年、造船会社はgps(global positioning system)モジュールを使用して車両の位置や移動を管理し追跡しようと試みている。
しかし、フォークリフトなどの一部の車両は庭を不規則に歩き回っているため、現場にいなくても作業状態を特定することは困難である。
位置情報だけでは、車両の動作、移動、待機、休息を判断するには不十分だ。
本研究は,各フォークリフトの作業状況を特定するための機械学習に基づくアプローチを提案する。
我々はDBSCANとk平均アルゴリズムを用いて、特定のフォークリフトが動作している領域と、それが実行している作業の種類を特定する。
我々はGPSとIoT(Internet of Things)デバイスを備えたフォークリフトから情報を集めるビジネスインテリジェンスシステムを開発した。
このシステムは個々のフォークリフトの状態に関する視覚的情報を提供し、大型造船所における移動の効率的な管理を支援する。
関連論文リスト
- Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - Traffic Cameras to detect inland waterway barge traffic: An Application
of machine learning [0.0]
そこで本稿では,既存の交通カメラを用いた陸路のバージトラフィック検出手法について述べる。
ディープラーニングモデル、特にYou Only Look Once (YOLO)、Single Shot MultiBox Detector (SSD)、EfficientDetが採用されている。
論文 参考訳（メタデータ） (2024-01-05T21:32:25Z) - Data and Knowledge for Overtaking Scenarios in Autonomous Driving [0.0]
オーバーテイク・エクササイズは、運転において最も重要な行動の1つである。
文献で利用できる作業量にもかかわらず、ほんの少しの操作しか処理できない。
この研究は、この領域に寄与し、新たな合成データセットを提示する。
論文 参考訳（メタデータ） (2023-05-30T21:27:05Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - A Big-Data Driven Framework to Estimating Vehicle Volume based on Mobile
Device Location Data [0.40631409309544836]
車両の体積は、交通信号の制御、交通計画の優先順位付け、道路整備などの基礎となる重要な指標となっている。
従来の車両の体積を定量化する方法は、限られた場所における手動計数、ビデオカメラ、ループ検出器に頼っている。
本稿では, 大規模な地理的領域において, テラバイト単位のデバイス位置情報を取り込み, 車両の体積を推定できる, 大規模データ駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2023-01-20T16:23:17Z) - Survey of Deep Learning for Autonomous Surface Vehicles in the Marine
Environment [15.41166179659646]
今後数年以内に、幅広い用途で利用できる高度な自動運転技術が提供される予定だ。
本稿では,ASV関連分野におけるディープラーニング(DL)手法の実装に関する既存研究について検討する。
論文 参考訳（メタデータ） (2022-10-16T08:46:17Z) - Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset [103.35624417260541]
分散車両調整は、未整備の道路環境において有用である。
我々はバークレーのDeepDrive Droneデータセットを収集し、近くのドライバーが観察する暗黙の「社会的エチケット」を研究する。
このデータセットは、人間のドライバーが採用する分散マルチエージェント計画と、リモートセンシング設定におけるコンピュータビジョンの研究に主に関心がある。
論文 参考訳（メタデータ） (2022-09-19T05:06:57Z) - ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。
学習と計画を統合する学習に基づくアプローチを提案する。
ViKiNGは、画像ベースの学習コントローラを利用できる。
論文 参考訳（メタデータ） (2022-02-23T02:14:23Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - An Intelligent Self-driving Truck System For Highway Transportation [81.12838700312308]
本稿では,インテリジェントな自動運転トラックシステムについて紹介する。
提案システムは,1)テストシナリオにおける現実的なトラフィックフローを生成する現実的なトラフィックシミュレーションモジュール,2)実環境における実際のトラックの応答を模倣するために設計,評価された高忠実度トラックモデル,の3つの主要コンポーネントから構成される。
また,提案するシステムを実車に展開し,実車間ギャップを緩和するシステムの能力を示す実物実験を行う。
論文 参考訳（メタデータ） (2021-12-31T04:54:13Z) - Localization of Autonomous Vehicles: Proof of Concept for A Computer
Vision Approach [0.0]
本稿では,複雑なハードウェアシステムやカメラがなくても動作する自律走行車(AV)の視覚的ローカライズ手法を提案する。
提案システムは,KITTIデータセットを用いてテストし,車両の最終的な位置を求める際に平均2mの精度を示した。
論文 参考訳（メタデータ） (2021-04-06T21:09:47Z)
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。