論文の概要: Deep Learning-Based Connector Detection for Robotized Assembly of
Automotive Wire Harnesses
- arxiv url: http://arxiv.org/abs/2309.13746v1
- Date: Sun, 24 Sep 2023 20:28:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 17:41:35.344560
- Title: Deep Learning-Based Connector Detection for Robotized Assembly of
Automotive Wire Harnesses
- Title（参考訳）: 深層学習に基づく自動車用ワイヤハーネスのロボット組立におけるコネクタ検出
- Authors: Hao Wang and Bj\"orn Johansson
- Abstract要約: 自動車産業における電気化と自動運転へのシフトにより、現代の自動車により多くの自動車用ワイヤーハーネスが取り付けられるようになった。
コネクタの交配は、ワイヤハーネス接続と信号伝送におけるコネクタの重要性から、自動車用ワイヤハーネスの最終組み立てにおいて必須である。
組立コネクタの現在の手動操作は、組立品質とエルゴノミクスに関する深刻な問題を引き起こす。
本稿では,ロボット化された自動車ワイヤハーネス組立のためのディープラーニングを用いたコネクタ検出手法を提案する。
- 参考スコア（独自算出の注目度）: 5.694872363688119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The shift towards electrification and autonomous driving in the automotive
industry results in more and more automotive wire harnesses being installed in
modern automobiles, which stresses the great significance of guaranteeing the
quality of automotive wire harness assembly. The mating of connectors is
essential in the final assembly of automotive wire harnesses due to the
importance of connectors on wire harness connection and signal transmission.
However, the current manual operation of mating connectors leads to severe
problems regarding assembly quality and ergonomics, where the robotized
assembly has been considered, and different vision-based solutions have been
proposed to facilitate a better perception of the robot control system on
connectors. Nonetheless, there has been a lack of deep learning-based solutions
for detecting automotive wire harness connectors in previous literature. This
paper presents a deep learning-based connector detection for robotized
automotive wire harness assembly. A dataset of twenty automotive wire harness
connectors was created to train and evaluate a two-stage and a one-stage object
detection model, respectively. The experiment results indicate the
effectiveness of deep learning-based connector detection for automotive wire
harness assembly but are limited by the design of the exteriors of connectors.
- Abstract（参考訳）: 自動車産業における電化と自動運転へのシフトにより、現代の自動車により多くの自動車用ワイヤーハーネスが取り付けられ、自動車用ワイヤーハーネスの組立の品質を保証することの重要性が強調される。
コネクタの結合は、ワイヤハーネス接続と信号伝送におけるコネクタの重要性から、自動車用ワイヤハーネスの最終組立において不可欠である。
しかし, 現在, 連結コネクタの手動操作は, ロボット化アセンブリが検討されている組立品質と人間工学に関する深刻な問題をもたらし, コネクタ上でのロボット制御システムの認識を容易にするため, 異なる視覚ベースのソリューションが提案されている。
それにもかかわらず、以前の文献では、自動車用ワイヤハーネスコネクタを検出するためのディープラーニングベースのソリューションが欠如している。
本稿では,ロボット化された自動車用ワイヤハーネス組立体に対する深層学習に基づくコネクタ検出手法を提案する。
20本のワイヤハーネスコネクタのデータセットを作成し、それぞれ2段および1段の物体検出モデルを訓練および評価した。
実験結果は, 自動車用ワイヤハーネスアセンブリにおける深層学習型コネクタ検出の有効性を示すが, コネクタ外部の設計により制限される。
関連論文リスト
- Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。
周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。
我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
論文 参考訳（メタデータ） (2024-08-29T08:53:26Z) - DriveCoT: Integrating Chain-of-Thought Reasoning with End-to-End Driving [81.04174379726251]
本稿では,DriveCoTというエンド・ツー・エンドの運転データセットを総合的に収集する。
センサーデータ、制御決定、および推論プロセスを示すチェーン・オブ・シークレット・ラベルが含まれている。
我々は,私たちのデータセットに基づいてトレーニングされたDriveCoT-Agentと呼ばれるベースラインモデルを提案し,連鎖予測と最終決定を生成する。
論文 参考訳（メタデータ） (2024-03-25T17:59:01Z) - DRUformer: Enhancing the driving scene Important object detection with
driving relationship self-understanding [50.81809690183755]
交通事故はしばしば致命傷を負い、2023年まで5000万人以上の死者を出した。
従来の研究は、主に個々の参加者の重要性を評価し、それらを独立した存在として扱うものであった。
本稿では、重要な物体検出タスクを強化するために、運転シーン関連自己理解変換器(DRUformer)を紹介する。
論文 参考訳（メタデータ） (2023-11-11T07:26:47Z) - Overview of Computer Vision Techniques in Robotized Wire Harness
Assembly: Current State and Future Opportunities [3.453764239572358]
ワイヤーハーネスは、現代の自動車における電子システムにとって不可欠なハードウェアである。
ワイヤーハーネス組立の現在の運用のほとんどは、依然として熟練した労働者によって手動で行われている。
本稿では,ロボットワイヤハーネス組立のためのコンピュータビジョン技術の概要について述べる。
論文 参考訳（メタデータ） (2023-09-24T20:28:19Z) - Separated RoadTopoFormer [13.304343390479191]
分離されたRoadTopoFormerは、レーン中心線とトラフィック要素を推論関係で検出するエンドツーエンドフレームワークである。
最終提出は0.445 OLSで、これはサブタスクと組み合わせたスコアの両方で競い合っています。
論文 参考訳（メタデータ） (2023-07-04T08:21:39Z) - Real-Time Wheel Detection and Rim Classification in Automotive
Production [9.207644534257543]
本稿では,従来のコンピュータビジョンとディープラーニング技術を組み合わせたリアルタイムの自動リム検出・分類・検査手法を提案する。
我々はCWD1500, WHEEL22, RB600の3つのオープンソースデータベースについて, 車輪, リム, ボルト検出, および, 科学的目的で自由に利用できる分類リムについて述べる。
論文 参考訳（メタデータ） (2023-04-13T14:12:57Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - SolderNet: Towards Trustworthy Visual Inspection of Solder Joints in
Electronics Manufacturing Using Explainable Artificial Intelligence [70.60433013657693]
エレクトロニクス製造において、半田接合部の欠陥は様々なプリント基板部品に影響を及ぼす一般的な問題である。
半田関節の欠陥を特定・修正するために、回路基板上の半田関節は通常、訓練された人間の検査官によって手動で検査される。
本研究では,半田関節の視覚検査に適した,説明可能な深層学習に基づく視覚品質検査システムについて述べる。
論文 参考訳（メタデータ） (2022-11-18T15:02:59Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳（メタデータ） (2022-05-04T17:55:12Z) - Deep Convolutional Autoencoder for Assessment of Drive-Cycle Anomalies in Connected Vehicle Sensor Data [1.7933377464816112]
本研究は,完全畳み込み型オートエンコーダを用いた車両における非教師なし故障の自動検出の実用的,新しい手法について検討する。
その結果,ハイブリッド電動車用パワートレインセンサの多変量時系列データから,パワートレイン故障に対応する異常を検出するアルゴリズムが得られた。
追加の教師なし手法が試験され、オートエンコーダは、異常検出や他の新しい深層学習技術よりも優れた故障検出性能を示す。
論文 参考訳（メタデータ） (2022-02-15T17:28:42Z) - Data Set Description: Identifying the Physics Behind an Electric Motor
-- Data-Driven Learning of the Electrical Behavior (Part I) [0.0]
電気自動車では、運転列車は可能な限り軽量化され、同時に可能な限り最大限に利用されなければならない。
これは、ドライブトレインの動的挙動がコントローラによって正確に認識されている場合にのみ達成できる。
制御器の課題は、電動機の電流を制御することにより、車の車輪における所望のトルクを達成することである。
機械学習モデリング技術では、計測データから振る舞いを記述する正確なモデルを抽出し、コントローラで使用することができる。
論文 参考訳（メタデータ） (2020-03-16T15:31:47Z)
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。