論文の概要: FRAMED: Data-Driven Structural Performance Analysis of
Community-Designed Bicycle Frames
- arxiv url: http://arxiv.org/abs/2201.10459v1
- Date: Tue, 25 Jan 2022 17:02:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 18:35:58.927133
- Title: FRAMED: Data-Driven Structural Performance Analysis of
Community-Designed Bicycle Frames
- Title（参考訳）: FRAMED: コミュニティ設計の自転車フレームのデータ駆動構造性能解析
- Authors: Lyle Regenwetter, Colin Weaver, Faez Ahmed
- Abstract要約: 本稿では,4500個のコミュニティ設計自転車フレームの構造性能に関するデータ駆動分析を行った。
FRAMED - 世界中の自転車実践者が設計した自転車フレームのパラメトリックデータセット。
- 参考スコア（独自算出の注目度）: 3.463438487417909
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a data-driven analysis of the structural performance of
4500 community-designed bicycle frames. We present FRAMED -- a parametric
dataset of bicycle frames based on bicycles designed by bicycle practitioners
from across the world. To support our data-driven approach, we also provide a
dataset of structural performance values such as weight, displacements under
load, and safety factors for all the bicycle frame designs. By exploring a
diverse design space of frame design parameters and a set of ten competing
design objectives, we present an automated way to analyze the structural
performance of bicycle frames. Our structural simulations are validated against
physical experimentation on bicycle frames. Through our analysis, we highlight
overall trends in bicycle frame designs created by community members, study
several bicycle frames under different loading conditions, identify
non-dominated design candidates that perform well on multiple objectives, and
explore correlations between structural objectives. Our analysis shows that
over 75\% of bicycle frames created by community members are infeasible,
motivating the need for AI agents to support humans in designing bicycles. This
work aims to simultaneously serve researchers focusing on bicycle design as
well as researchers focusing on the development of data-driven design
algorithms, such as surrogate models and Deep Generative Methods. The dataset
and code are provided at http://decode.mit.edu/projects/framed/.
- Abstract（参考訳）: 本稿では,4500個のコミュニティ設計自転車フレームの構造性能に関するデータ駆動分析を行った。
FRAMED - 世界中の自転車実践者が設計した自転車フレームのパラメトリックデータセット。
データ駆動アプローチをサポートするために,重量,荷重下変位,自転車フレーム設計の安全性など,構造的性能値のデータセットも提供する。
フレーム設計パラメータの多種多様な設計空間と10の競合する設計目標を探索することにより,自転車フレームの構造性能を自動解析する手法を提案する。
我々の構造シミュレーションは自転車フレームの物理的実験に対して検証される。
本分析では, 地域住民による自転車フレーム設計の全体動向, 異なる負荷条件下での自転車フレームの研究, 複数目的に対して良好に機能する非支配的設計候補の特定, 構造的目的間の相関について考察した。
分析の結果、コミュニティメンバーが作成した自転車フレームの75%以上が実現不可能であり、自転車の設計においてaiエージェントが人間をサポートする必要があることが判明した。
この研究の目的は、自転車の設計に注力する研究者と、サロゲートモデルや深層生成法といったデータ駆動設計アルゴリズムの開発に注力する研究者を同時に提供することである。
データセットとコードはhttp://decode.mit.edu/projects/framed/で提供される。
関連論文リスト
- 3DArticCyclists: Generating Simulated Dynamic 3D Cyclists for Human-Object Interaction (HOI) and Autonomous Driving Applications [10.047701675476986]
我々は、NeRFおよび3DGSに基づく3D再構成法をトレーニングするために使用できる、新しいパートベース多視点合成3D自転車データセットを作成する。
次に,8-DoFのポーズ制御可能な3D自転車を組み立てるための3DGSに基づくパラメトリック自転車合成モデルを提案する。
論文 参考訳（メタデータ） (2024-10-14T17:50:47Z) - Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。
オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。
以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-10-11T04:53:18Z) - SE-VGAE: Unsupervised Disentangled Representation Learning for Interpretable Architectural Layout Design Graph Generation [0.0]
本稿では,非教師付き非教師付き非教師付き表現学習フレームワーク,スタイルベースエッジ拡張変分グラフ自動エンコーダを提案する。
このフレームワークは、表現の絡み合いを優先順位付けしながら、属性付き隣接多重グラフの形式でアーキテクチャレイアウトを生成する。
実世界のフロアプラン画像から抽出した大規模レイアウトグラフデータセットのベンチマークに貢献する。
論文 参考訳（メタデータ） (2024-06-25T09:40:47Z) - Visual Representation Learning with Stochastic Frame Prediction [90.99577838303297]
本稿では,フレーム予測における不確実性を捉えることを学ぶ映像生成の考え方を再考する。
フレーム間の時間情報を学習するためのフレーム予測モデルを訓練するフレームワークを設計する。
このアーキテクチャは、両目的を相乗的かつ計算効率のよい方法で組み合わせることができる。
論文 参考訳（メタデータ） (2024-06-11T16:05:15Z) - Bent & Broken Bicycles: Leveraging synthetic data for damaged object
re-identification [59.80753896200009]
変形や欠落による視覚的外観の変化と微妙なクラス内変化を区別することを目的とした,損傷対象の再識別の新たな課題を提案する。
我々は、コンピュータ生成画像のパワーを活用して、半自動で、損傷前後に同じ自転車の高品質な合成画像を作成する。
このタスクのベースラインとして,マルチタスクでトランスフォーマーをベースとしたディープネットワークであるTransReI3Dを提案する。
論文 参考訳（メタデータ） (2023-04-16T20:23:58Z) - BikeDNA: A Tool for Bicycle Infrastructure Data & Network Assessment [0.0]
BikeDNAは、自転車のインフラデータの再現可能な品質評価のためのオープンソースツールである。
BikeDNAは、幅広いアプリケーションのための自転車インフラデータの品質評価をサポートする。
論文 参考訳（メタデータ） (2023-03-02T13:06:59Z) - BIKED: A Dataset and Machine Learning Benchmarks for Data-Driven Bicycle
Design [1.933681537640272]
数百人のデザイナーによる4500台の自転車モデルからなるデータセット「BIKED」を発表します。
データセットは、アセンブリイメージ、コンポーネントイメージ、数値設計パラメータ、クラスラベルを含む、さまざまな設計情報で構成されている。
論文 参考訳（メタデータ） (2021-03-10T03:12:32Z) - Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning [79.61517670541863]
ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用
DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
論文 参考訳（メタデータ） (2021-01-19T03:09:51Z) - Towards Automated Neural Interaction Discovery for Click-Through Rate
Prediction [64.03526633651218]
CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最も重要な機械学習タスクの1つである。
本稿では,AutoCTR と呼ばれる CTR 予測のための自動インタラクションアーキテクチャ探索フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-29T04:33:01Z) - Adaptive Interaction Modeling via Graph Operations Search [109.45125932109454]
相互作用モデリングのための適応型構造を学習するために,構造設計のプロセスを自動化する。
アーキテクチャ探索フレームワークが適応的な相互作用モデリング構造を構築することを実験的に実証した。
本手法は最先端技術との競合性能を実現する。
論文 参考訳（メタデータ） (2020-05-05T13:01:09Z)
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。