論文の概要: Demo Abstract: Real-Time Out-of-Distribution Detection on a Mobile Robot
- arxiv url: http://arxiv.org/abs/2211.11520v1
- Date: Tue, 15 Nov 2022 03:34:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 13:16:32.407226
- Title: Demo Abstract: Real-Time Out-of-Distribution Detection on a Mobile Robot
- Title（参考訳）: Demo Abstract: 移動ロボットにおけるリアルタイムアウトオブディストリビューション検出
- Authors: Michael Yuhas, Arvind Easwaran
- Abstract要約: アウト・オブ・ディストリビューション(OOD)検出は、機械学習(ML)モデルの安全モニタとして機能する。
我々は,OOD検出器が組込みプラットフォーム上でリアルタイムにOOD画像を識別可能であることを示す。
また、未知の新しいサンプルが存在する場合、車両の停止に有効であることを示す。
- 参考スコア（独自算出の注目度）: 4.406331747636832
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In a cyber-physical system such as an autonomous vehicle (AV), machine
learning (ML) models can be used to navigate and identify objects that may
interfere with the vehicle's operation. However, ML models are unlikely to make
accurate decisions when presented with data outside their training
distribution. Out-of-distribution (OOD) detection can act as a safety monitor
for ML models by identifying such samples at run time. However, in safety
critical systems like AVs, OOD detection needs to satisfy real-time constraints
in addition to functional requirements. In this demonstration, we use a mobile
robot as a surrogate for an AV and use an OOD detector to identify potentially
hazardous samples. The robot navigates a miniature town using image data and a
YOLO object detection network. We show that our OOD detector is capable of
identifying OOD images in real-time on an embedded platform concurrently
performing object detection and lane following. We also show that it can be
used to successfully stop the vehicle in the presence of unknown, novel
samples.
- Abstract（参考訳）: 自動運転車(AV)のようなサイバー物理システムでは、機械学習(ML)モデルを使用して、車両の動作に干渉する可能性のある物体をナビゲートし識別することができる。
しかし、MLモデルはトレーニングディストリビューション外のデータを提示した場合、正確な決定をする可能性は低い。
アウト・オブ・ディストリビューション(OOD)検出は、実行時にそのようなサンプルを特定することで、MLモデルの安全モニターとして機能する。
しかし、AVのような安全クリティカルシステムでは、OOD検出は機能要件に加えてリアルタイムな制約を満たす必要がある。
本実験では,移動ロボットをav用サロゲートとして使用し,ood検出器を用いて潜在的に有害なサンプルを同定する。
ロボットは画像データとyoloオブジェクト検出ネットワークを用いてミニチュアタウンをナビゲートする。
OOD検出器は,物体検出と車線追従を同時に行う組込みプラットフォーム上で,OOD画像をリアルタイムに識別可能であることを示す。
また、未知の新規なサンプルの存在下で車両を停止させるのに使用できることを示した。
関連論文リスト
- On the Black-box Explainability of Object Detection Models for Safe and Trustworthy Industrial Applications [7.848637922112521]
本稿では,物体検出モデルに対するモデルに依存しないXAI手法に着目し,分割マスク生成を用いた形態的フラクタル摂動ピラミッド(P)の拡張であるD-Pを提案する。
これらの手法を実世界の産業用・ロボット用データセット上で評価し,マスク数,モデルサイズ,画像解像度などのパラメータが説明の質に及ぼす影響について検討した。
論文 参考訳（メタデータ） (2024-10-28T13:28:05Z) - Finding Dino: A plug-and-play framework for unsupervised detection of out-of-distribution objects using prototypes [12.82756672393553]
ラベルを含まないPRototype-based zero-shot OOD Detection (PROWL)
ラベルなしのPROWL(PRototype-based zero-shot OOD Detection Without Labels)を提案する。
ドメインデータセットのトレーニングを必要としない推論ベースのメソッドである。
また、鉄道や海上のシーンなど他の領域にも適合することを示す。
論文 参考訳（メタデータ） (2024-04-11T11:55:42Z) - Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection
Capability [70.72426887518517]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。
本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。
本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
論文 参考訳（メタデータ） (2023-06-06T14:23:34Z) - Identifying Out-of-Distribution Samples in Real-Time for Safety-Critical
2D Object Detection with Margin Entropy Loss [0.0]
本稿では,2次元物体検出におけるOOD検出の限界エントロピー(ME)損失を利用したアプローチを提案する。
ME損失をトレーニングしたCNNは、標準信頼度スコアを用いてOOD検出を著しく上回る。
論文 参考訳（メタデータ） (2022-09-01T11:14:57Z) - A Quality Index Metric and Method for Online Self-Assessment of
Autonomous Vehicles Sensory Perception [164.93739293097605]
本稿では,検出品質指標(DQI)と呼ばれる新しい評価指標を提案し,カメラを用いた物体検出アルゴリズムの性能を評価する。
我々は,提案したDQI評価指標を予測するために,原画像画素とスーパーピクセルを入力として利用するスーパーピクセルベースのアテンションネットワーク(SPA-NET)を開発した。
論文 参考訳（メタデータ） (2022-03-04T22:16:50Z) - Detecting Faults during Automatic Screwdriving: A Dataset and Use Case
of Anomaly Detection for Automatic Screwdriving [80.6725125503521]
障害検出に機械学習(ML)を使用したデータ駆動型アプローチが最近注目されている。
本稿では,自動スクリュー運転時の故障検出にMLモデルを用いた場合について述べる。
論文 参考訳（メタデータ） (2021-07-05T11:46:00Z) - Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing
Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。
生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文 参考訳（メタデータ） (2021-04-22T12:47:37Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - Online Monitoring of Object Detection Performance During Deployment [6.166295570030645]
入力フレームのスライディングウィンドウ上での平均平均精度(mAP)を予測し,対象検出器の性能を監視するカスケードニューラルネットワークを提案する。
我々は、自律走行データセットと物体検出装置の異なる組み合わせを用いて、提案手法の評価を行った。
論文 参考訳（メタデータ） (2020-11-16T07:01:43Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。