論文の概要: Detect, Reject, Correct: Crossmodal Compensation of Corrupted Sensors

• arxiv url: http://arxiv.org/abs/2012.00201v1
• Date: Tue, 1 Dec 2020 01:09:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 08:42:12.970053
• Title: Detect, Reject, Correct: Crossmodal Compensation of Corrupted Sensors
• Title（参考訳）: 破損したセンサのクロスモーダル補償を検出、拒否、修正
• Authors: Michelle A. Lee, Matthew Tan, Yuke Zhu, Jeannette Bohg
• Abstract要約: クロスモーダル補償モデル(CCM)は、コンタクトリッチな操作ポリシーに使用できるリッチな状態表現を学習する。 我々は,CCMが,学習時間中に見つからない方法で入力モダリティが破損した場合であっても,コンタクトリッチな操作ポリシーに使用できるリッチな状態表現を学習できることを示す。
• 参考スコア（独自算出の注目度）: 24.387327986690277
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Using sensor data from multiple modalities presents an opportunity to encode redundant and complementary features that can be useful when one modality is corrupted or noisy. Humans do this everyday, relying on touch and proprioceptive feedback in visually-challenging environments. However, robots might not always know when their sensors are corrupted, as even broken sensors can return valid values. In this work, we introduce the Crossmodal Compensation Model (CCM), which can detect corrupted sensor modalities and compensate for them. CMM is a representation model learned with self-supervision that leverages unimodal reconstruction loss for corruption detection. CCM then discards the corrupted modality and compensates for it with information from the remaining sensors. We show that CCM learns rich state representations that can be used for contact-rich manipulation policies, even when input modalities are corrupted in ways not seen during training time.
• Abstract（参考訳）: 複数のモダリティからのセンサデータを使用することで、一方のモダリティが破損したりうるさい場合に有用な冗長で補完的な機能をエンコードする機会が得られる。 視覚障がいのある環境では、人間は触覚と固有感覚のフィードバックに頼り、毎日これを行う。 しかし、壊れたセンサーでさえ有効な値を返すことができるので、ロボットはいつセンサーが破損するかを常に知るとは限らない。 本研究では,劣化したセンサのモダリティを検知して補償するクロスモーダル補償モデル(ccm)を提案する。 CMMは自己超越性を用いて学習した表現モデルであり、不定形再構成損失を利用して汚損検出を行う。 ccmは破損したモダリティを破棄し、残りのセンサーからの情報を補償する。 我々は,CCMが,学習時間中に見つからない方法で入力モダリティが破損しても,コンタクトリッチな操作ポリシーに使用できるリッチな状態表現を学習していることを示す。

関連論文リスト

• Sensor-fusion based Prognostics Framework for Complex Engineering Systems Exhibiting Multiple Failure Modes [1.5379084885764847]
  複雑なエンジニアリングシステムは、しばしば複数の障害モードを必要とする。 本稿では,ラベルのないトレーニングデータセットに対して,クラスタリングとセンサの選択を同時に行う手法を提案する。
  論文  参考訳（メタデータ） (2024-11-19T01:52:59Z)
• Sensor Deprivation Attacks for Stealthy UAV Manipulation [51.9034385791934]
  無人航空機は最先端の制御アルゴリズムを用いて自律的にタスクを実行する。 本稿では,マルチパートを提案する。 センサー分離攻撃 (Sensor Deprivation Attacks, SDA) - 極秘に影響を及ぼす攻撃。 センサーのリコンフィグレーションによる プロセス制御
  論文  参考訳（メタデータ） (2024-10-14T23:03:58Z)
• Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
  マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。 3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
  論文  参考訳（メタデータ） (2023-05-12T18:08:51Z)
• Self-Supervised Anomaly Detection of Rogue Soil Moisture Sensors [2.374304682010306]
  センサーは、時間の経過とともに誤った測定を行うときに、ローグと見なされる。 既存の方法は、よく動くセンサーが知られているか、ほとんどのセンサーがよく動くと仮定している。 コントラスト損失を有するニューラルネットワークを用いた自己制御型異常センサ検出器をDBSCANに次いで提案する。
  論文  参考訳（メタデータ） (2023-05-09T14:47:16Z)
• Retrospective Motion Correction in Gradient Echo MRI by Explicit Motion Estimation Using Deep CNNs [0.0]
  深部畳み込み神経回路網(深部CNN)を用いた動きアーチファクトの補正手法を提案する。 我々は、Deep CNNを用いて、より複雑な運動場に剛性運動補償の概念を一般化できることを示した。
  論文  参考訳（メタデータ） (2023-03-30T09:16:13Z)
• Modelling calibration uncertainty in networks of environmental sensors [2.016542873726103]
  低コストセンサーのネットワークはユビキタスになりつつあるが、しばしば低い精度とドリフトに悩まされている。 本稿では,センサネットワーク間のキャリブレーションをモデル化するための変分手法を提案する。 人工空気汚染データと実際の大気汚染データの両方に対するアプローチを実証し、技術の現状よりも優れた性能が得られることを発見した。
  論文  参考訳（メタデータ） (2022-05-04T10:38:45Z)
• Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
  オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。 異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
  論文  参考訳（メタデータ） (2021-07-28T10:19:58Z)
• Deep Canonical Correlation Alignment for Sensor Signals [0.26249027950824505]
  本稿では,これらの問題に対処するための手法として,ディープカノニカル相関センサアライメント(DCCA)を提案する。 これは、クロックドリフトやオフセットなどのセンサ回路が生み出すミスアライメントに特有な共通特性を利用する。 人工および実データセットの選択において,様々な条件下でのDCCAの性能を示す。
  論文  参考訳（メタデータ） (2021-06-07T14:07:46Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
  本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
  論文  参考訳（メタデータ） (2020-09-01T03:38:31Z)
• Learning Camera Miscalibration Detection [83.38916296044394]
  本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。 コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。 深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-24T10:32:49Z)

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。