Fugu-MT 論文翻訳(概要): Estimating friction coefficient using generative modelling

論文の概要: Estimating friction coefficient using generative modelling

arxiv url: http://arxiv.org/abs/2303.05927v1
Date: Fri, 10 Mar 2023 13:58:28 GMT
ステータス: 処理完了
システム内更新日: 2023-03-13 14:53:00.770619
Title: Estimating friction coefficient using generative modelling
Title（参考訳）: 生成モデルを用いた摩擦係数の推定
Authors: Mohammad Otoofi, William J.B. Midgley, Leo Laine, Henderson Leon, Laura Justham, James Fleming
Abstract要約: 本研究は,視覚的知覚学習課題として,摩擦推定の問題を定式化することを目的とする。意味的セグメンテーションを適用し、抽出した特徴を用いて摩擦力を予測して表面特性を検出する。
参考スコア（独自算出の注目度）: 0.7503129292751939
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: It is common to utilise dynamic models to measure the tyre-road friction in real-time. Alternatively, predictive approaches estimate the tyre-road friction by identifying the environmental factors affecting it. This work aims to formulate the problem of friction estimation as a visual perceptual learning task. The problem is broken down into detecting surface characteristics by applying semantic segmentation and using the extracted features to predict the frictional force. This work for the first time formulates the friction estimation problem as a regression from the latent space of a semantic segmentation model. The preliminary results indicate that this approach can estimate frictional force.
Abstract（参考訳）: 動的モデルを用いてリアルタイムにタイヤ・ロード摩擦を測定することは一般的である。あるいは、予測的アプローチは、その影響する環境要因を特定することによって、タイヤ・ロード摩擦を推定する。本研究は,視覚知覚学習タスクとしての摩擦推定の問題を定式化することを目的としている。また, 抽出した特徴を用いて摩擦力を予測することにより, 表面特性の検出に分割した。本研究は, 意味的セグメンテーションモデルの潜在空間からの回帰として, 摩擦推定問題を初めて定式化したものである。予備的な結果は、このアプローチが摩擦力を推定できることを示している。

関連論文リスト

Neural Quasiprobabilistic Likelihood Ratio Estimation with Negatively Weighted Data [2.5923147161639104]
確率密度が負の準確率的設定に対する確率比推定タスクの一般化を考察する。負の密度と負の重みの存在は、従来のニューラルチャンス比推定法に様々な課題をもたらす。
論文参考訳（メタデータ） (2024-10-14T07:15:49Z)
Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。これにより、ランドマークの種類は両方のソースから観測できなければならない。車両軌道推定のための動的重み付き因子グラフモデルを提案する。
論文参考訳（メタデータ） (2023-11-13T12:44:14Z)
Lightweight Regression Model with Prediction Interval Estimation for Computer Vision-based Winter Road Surface Condition Monitoring [0.4972323953932129]
本稿では,カメラ画像から路面摩擦特性を推定できるディープラーニング回帰モデルSIWNetを提案する。 SIWNetはアーキテクチャに不確実性推定機構を含めることで、技術の状態を拡張している。モデルは、SeeingThroughFogデータセットでトレーニングされ、テストされた。
論文参考訳（メタデータ） (2023-10-02T06:33:06Z)
Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
論文参考訳（メタデータ） (2023-03-28T14:27:27Z)
Tire-road friction estimation and uncertainty assessment to improve electric aircraft braking system [0.0]
道路摩擦係数のオンライン推定は、先進的なブレーキ制御システムにとって欠かせない特徴である。本研究では, ニューラルネットに基づくデータ駆動方式を提案し, 最適摩擦係数を窓面のすべり摩擦測定関数として推定する。未知表面における航空機の着陸相の開ループおよび閉ループシミュレーションを用いて, 提案した頑健な摩擦推定手法の有効性と有効性を示す。
論文参考訳（メタデータ） (2022-11-14T10:36:14Z)
Interpretable Social Anchors for Human Trajectory Forecasting in Crowds [84.20437268671733]
本研究では,人混みの軌跡を予測できるニューラルネットワークシステムを提案する。解釈可能なルールベースのインテントを学び、ニューラルネットワークの表現可能性を利用してシーン固有の残差をモデル化する。私たちのアーキテクチャは、インタラクション中心のベンチマークTrajNet++でテストされています。
論文参考訳（メタデータ） (2021-05-07T09:22:34Z)
SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
論文参考訳（メタデータ） (2021-04-04T03:17:42Z)
Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文参考訳（メタデータ） (2021-03-11T15:21:08Z)
Probabilistic Surface Friction Estimation Based on Visual and Haptic Measurements [17.477520575909193]
本研究では, 物体全体の表面摩擦係数を推定できる連接型粘性触覚物体モデルを提案する。提案手法の有効性は, 実物体の多種多様な摩擦係数を推定し, 提案手法の有効性を示す。
論文参考訳（メタデータ） (2020-10-16T09:58:39Z)
Emulator-based global sensitivity analysis for flow-like landslide run-out models [0.0]
地すべりのランアウトモデリングは、モデル入力データに由来する不確実性を伴う。入力空間全体を探索し、全ての相互作用を説明できる大域的な感度分析は、しばしば計算上の問題のために制限される。本稿では,ガウス過程のエミュレーションを地すべり流出モデルに統合し,オープンソースのシミュレーションツールr.avaflowに適用することによって,この研究ギャップに対処する。
論文参考訳（メタデータ） (2020-10-08T15:21:52Z)
Composing Normalizing Flows for Inverse Problems [89.06155049265641]
本稿では,2つの流れモデルの合成として,対象条件を推定する近似推論フレームワークを提案する。本手法は,様々な逆問題に対して評価し,不確実性のある高品質な試料を作製することを示した。
論文参考訳（メタデータ） (2020-02-26T19:01:11Z)

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。