論文の概要: Gamifying Math Education using Object Detection

• arxiv url: http://arxiv.org/abs/2304.06270v1
• Date: Thu, 13 Apr 2023 05:06:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 15:42:42.146023
• Title: Gamifying Math Education using Object Detection
• Title（参考訳）: 物体検出を用いたゲーミフィケーション数学教育
• Authors: Yueqiu Sun, Rohitkrishna Nambiar and Vivek Vidyasagaran
• Abstract要約: 本研究では,5～8歳児を対象に,形状タイルマニピュレータを用いた幾何学学習のためのカリキュラム・インスピレーションによる授業システムを提案する。 これにより、任意の向きを持つ高密度に充填されたオブジェクトに対するオブジェクト指向オブジェクト検出の課題がもたらされる。 我々は,ユーザのインタラクションを理解し,リアルタイムの視聴覚フィードバックを提供するシステムを開発した。
• 参考スコア（独自算出の注目度）: 0.696125353550498
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manipulatives used in the right way help improve mathematical concepts leading to better learning outcomes. In this paper, we present a phygital (physical + digital) curriculum inspired teaching system for kids aged 5-8 to learn geometry using shape tile manipulatives. Combining smaller shapes to form larger ones is an important skill kids learn early on which requires shape tiles to be placed close to each other in the play area. This introduces a challenge of oriented object detection for densely packed objects with arbitrary orientations. Leveraging simulated data for neural network training and light-weight mobile architectures, we enable our system to understand user interactions and provide real-time audiovisual feedback. Experimental results show that our network runs real-time with high precision/recall on consumer devices, thereby providing a consistent and enjoyable learning experience.
• Abstract（参考訳）: 正しい方法で使われるマニピュレーションは、数学の概念を改善するのに役立ち、より良い学習結果をもたらす。 本稿では,5～8歳児を対象に,形状タイルマニピュレータを用いた幾何学学習のためのフィジタル(物理・デジタル)カリキュラムを提案する。 小さい形を組み合わせて大きな形を作ることは、子供たちが早期に学ぶ重要なスキルであり、遊び場では形状タイルを互いに近くに配置する必要がある。 これは任意の向きを持つ密集したオブジェクトに対する指向性オブジェクト検出の課題を導入する。 ニューラルネットワークトレーニングと軽量なモバイルアーキテクチャのためのシミュレーションデータを活用することで,ユーザのインタラクションを理解し,リアルタイムなオーディオ視覚フィードバックを提供する。 実験の結果,我々のネットワークはコンシューマデバイス上で高い精度でリアルタイムに動作し,一貫した学習体験を提供することがわかった。

関連論文リスト

• Curriculum Is More Influential Than Haptic Information During Reinforcement Learning of Object Manipulation Against Gravity [0.0]
  指先で物体を持ち上げて回転させる学習は、自律的な手動操作に必要である。 そこで我々は,カリキュラム学習と触覚フィードバックが創発的操作の学習に果たす役割について検討した。
  論文  参考訳（メタデータ） (2024-07-13T19:23:11Z)
• SweepNet: Unsupervised Learning Shape Abstraction via Neural Sweepers [18.9832388952668]
  本稿では,スイープ面を抽象化する新しい手法であるPapernameを紹介する。 そこで本稿では, 形状表現にスーパー楕円, 軸にB-スプライン曲線を用いたスイープ面の効果的なパラメータ化を提案する。 識別可能なニューラル・スイーパーとエンコーダ・デコーダアーキテクチャを導入することで、監督なしにスイープ表面表現を予測できることを実証する。
  論文  参考訳（メタデータ） (2024-07-08T18:18:17Z)
• What Makes Pre-Trained Visual Representations Successful for Robust Manipulation? [57.92924256181857]
  照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。 創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
  論文  参考訳（メタデータ） (2023-11-03T18:09:08Z)
• ALSO: Automotive Lidar Self-supervision by Occupancy estimation [70.70557577874155]
  本稿では,ポイントクラウド上で動作している深層知覚モデルのバックボーンを事前学習するための自己教師型手法を提案する。 中心となる考え方は、3Dポイントがサンプリングされる表面の再構成であるプリテキストタスクでモデルをトレーニングすることである。 直感的には、もしネットワークがわずかな入力ポイントのみを考慮し、シーン表面を再構築できるなら、おそらく意味情報の断片をキャプチャする。
  論文  参考訳（メタデータ） (2022-12-12T13:10:19Z)
• Navigating to Objects in the Real World [76.1517654037993]
  本稿では,古典的,モジュール的,エンド・ツー・エンドの学習手法と比較した,意味的視覚ナビゲーション手法に関する大規模な実証的研究について述べる。 モジュラー学習は実世界ではうまく機能し、90%の成功率に達しています。 対照的に、エンド・ツー・エンドの学習は、シミュレーションと現実の間の画像領域の差が大きいため、77%のシミュレーションから23%の実際の成功率へと低下する。
  論文  参考訳（メタデータ） (2022-12-02T01:10:47Z)
• Playful Interactions for Representation Learning [82.59215739257104]
  本稿では,下流タスクの視覚的表現を学習するために,遊び心のあるインタラクションを自己指導的に利用することを提案する。 19の多様な環境で2時間の遊び心のあるデータを収集し、自己予測学習を用いて視覚的表現を抽出する。 我々の表現は、標準的な行動クローニングよりも一般化され、必要なデモの半数しか必要とせず、同様の性能を達成できる。
  論文  参考訳（メタデータ） (2021-07-19T17:54:48Z)
• Reasoning-Modulated Representations [85.08205744191078]
  タスクが純粋に不透明でないような共通的な環境について研究する。 我々のアプローチは、新しいデータ効率表現学習の道を開く。
  論文  参考訳（メタデータ） (2021-07-19T13:57:13Z)
• Using Shape to Categorize: Low-Shot Learning with an Explicit Shape Bias [22.863686803150625]
  低ショット学習手法の一般化性能向上のために,3次元形状の推論をいかに活用できるかを検討する。 3Dオブジェクト形状を用いた識別埋め込み空間の学習により,既存の低ショット学習手法を改善する新しい方法を提案する。 また、低ショット学習もサポートできる最大数のオブジェクトカテゴリを持つ新しい3DオブジェクトデータセットであるToys4Kも開発しています。
  論文  参考訳（メタデータ） (2021-01-18T19:29:41Z)
• Learning Dexterous Grasping with Object-Centric Visual Affordances [86.49357517864937]
  控えめなロボットハンドは、機敏さと人間のような形態をアピールしています。 本稿では,厳密な把握を学習するためのアプローチを提案する。 私たちのキーとなるアイデアは、オブジェクト中心の視覚的余裕モデルを深い強化学習ループに埋め込むことです。
  論文  参考訳（メタデータ） (2020-09-03T04:00:40Z)
• Learning Rope Manipulation Policies Using Dense Object Descriptors Trained on Synthetic Depth Data [32.936908766549344]
  本稿では,初期とゴールのロープ構成間の点対対応を学習する手法を提案する。 ABB YuMi Robotによるノットタイリングタスクの50回の試行では、これまで見つからなかった構成から66%のノットタイリング成功率を達成した。
  論文  参考訳（メタデータ） (2020-03-03T23:43:05Z)

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。