論文の概要: Unsupervised Movement Detection in Indoor Positioning Systems
- arxiv url: http://arxiv.org/abs/2109.10757v1
- Date: Sat, 21 Aug 2021 10:30:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-26 23:37:59.644616
- Title: Unsupervised Movement Detection in Indoor Positioning Systems
- Title（参考訳）: 屋内位置決めシステムにおける教師なし移動検出
- Authors: Jonathan Flossdorf, Anne Meyer, Dmitri Artjuch, Jaques Schneider,
Carsten Jentsch
- Abstract要約: 位置決めシステムのための2つの新しい教師なし分類アルゴリズムを提案する。
我々は、位置データのみを用いて、基礎となる生産ホールの包括的なマップを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, the usage of indoor positioning systems for manufacturing
processes became increasingly popular. Typically, the production hall is
equipped with satellites which receive position data of sensors that can be
pinned on components, load carriers or industrial trucks. This enables a
company e.g. to reduce search efforts and to optimize individual system
processes. In our research context, a sensor only sends position information
when it is moved. However, various circumstances frequently affect that data is
undesirably sent, e.g. due to disrupting factors nearby. This has a negative
impact on the data quality, the energy consumption, and the reliability of the
whole system. Motivated by this, we aim to distinguish between actual movements
and signals that were undesirably sent which is in particular challenging due
to the susceptibility of indoor systems in terms of noise and measuring errors.
Therefore, we propose two novel unsupervised classification algorithms suitable
for this task. Depending on the question of interest, they rely either on a
distance-based or on a time-based criterion, which allows to make use of all
essential information. Furthermore, we propose an approach to combine both
classifications and to aggregate them on spatial production areas. This enables
us to generate a comprehensive map of the underlying production hall with the
sole usage of the position data. Aside from the analysis and detection of the
underlying movement structure, the user benefits from a better understanding of
own system processes and from the detection of problematic system areas which
leads to a more efficient usage of positioning systems. Since all our
approaches are constructed with unsupervised techniques, they are handily
applicable in practice and do not require more information than the output data
of the positioning system.
- Abstract（参考訳）: 近年では製造工程における室内位置決めシステムの利用が盛んになっている。
通常、製造ホールはセンサーの位置データを受信する衛星を備えており、部品、荷積み機、産業用トラックに固定することができる。
これにより、例えば企業が検索の労力を減らし、個々のシステムプロセスの最適化が可能になる。
本研究の文脈では,センサは移動時にのみ位置情報を送信する。
しかし、周囲の要因が乱れるなど、様々な状況がデータ送信に好ましくない影響をしばしば与えている。
これは、データ品質、エネルギー消費、システム全体の信頼性に悪影響を及ぼす。
そこで本研究では,室内システムの騒音や測定誤差の影響を受けやすいため,好ましくない信号と実際の動きを区別することを目的としている。
そこで,本課題に適した2つの非教師なし分類アルゴリズムを提案する。
興味のある問題によっては、それらは距離ベースか時間ベースの基準に依存しており、すべての必須情報を利用することができる。
さらに,両方の分類を結合し,それらを空間生産領域に集約する手法を提案する。
これにより、位置データのみを用いて、下層のプロダクションホールの包括的なマップを生成することができる。
基盤となる移動構造の分析と検出は別として、利用者は自身のシステムプロセスのより良い理解と、より効率的な位置決めシステムの使用につながる問題のあるシステム領域の検出から恩恵を受ける。
全ての手法は教師なしの技術で構築されているため、実際は手動で適用でき、位置決めシステムの出力データ以上の情報を必要としない。
関連論文リスト
- OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳（メタデータ） (2023-12-22T15:04:20Z) - Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。
潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。
適応過程を監督する信頼性のある信号はターゲット領域に存在しない。
この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
論文 参考訳（メタデータ） (2023-03-27T15:07:55Z) - On the Importance of Accurate Geometry Data for Dense 3D Vision Tasks [61.74608497496841]
不正確または破損したデータのトレーニングは、モデルバイアスとハマーズ一般化能力を誘導する。
本稿では,深度推定と再構成における高密度3次元視覚課題に対するセンサ誤差の影響について検討する。
論文 参考訳（メタデータ） (2023-03-26T22:32:44Z) - Towards Spatial Equilibrium Object Detection [88.9747319572368]
本稿では,現代物体検出器の空間的不平衡問題について考察する。
本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。
これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
論文 参考訳（メタデータ） (2023-01-14T17:33:26Z) - Uncertainty-Aware Voxel based 3D Object Detection and Tracking with
von-Mises Loss [13.346392746224117]
不確実性は、認識システムのエラーに対処し、堅牢性を改善するのに役立ちます。
本稿では,SECOND検出器に不確実性レグレッションを追加することにより,目標追尾性能を向上させる手法を提案する。
論文 参考訳（メタデータ） (2020-11-04T21:53:31Z) - Smart Anomaly Detection in Sensor Systems: A Multi-Perspective Review [0.0]
異常検出は、期待される振る舞いから著しく逸脱するデータパターンを特定することに関わる。
データ分析からe-health、サイバーセキュリティ、予測メンテナンス、障害防止、産業自動化に至るまで、幅広いアプリケーション領域があるため、これは重要な研究課題である。
本稿では,センサシステムの特定の領域における異常検出に使用される最先端手法について概説する。
論文 参考訳（メタデータ） (2020-10-27T09:56:16Z) - Data-Driven Distributed State Estimation and Behavior Modeling in Sensor
Networks [5.817715558396024]
センサネットワークにおける状態推定と行動学習の同時学習の問題を定式化する。
本稿では,ガウス過程に基づくベイズフィルタ(GP-BayesFilters)をオンライン分散環境に拡張することで,シンプルで効果的な解を提案する。
提案手法の有効性は,マルチロボットプラットフォームから収集した合成データとデータの両方を用いて,未知の動作行動を持つ物体の追跡に評価される。
論文 参考訳（メタデータ） (2020-09-22T21:31:18Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z) - Contextual Sense Making by Fusing Scene Classification, Detections, and
Events in Full Motion Video [0.7348448478819135]
本研究では,航空FMVのデータの利用と活用に関する人間アナリストのニーズに対処することを目的とする。
問題を,(1)コンテキスト認識,(2)オブジェクトカタログ化,(3)イベント検出の3つのタスクに分割した。
地理的領域の異なる解像度の異なるセンサのデータに対して,本手法を適用した。
論文 参考訳（メタデータ） (2020-01-16T18:26:34Z)
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。