論文の概要: AI Algorithm for the Generation of Three-Dimensional Accessibility Ramps
in Grasshopper / Rhinoceros 7
- arxiv url: http://arxiv.org/abs/2310.07728v1
- Date: Fri, 29 Sep 2023 04:54:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 03:24:29.363062
- Title: AI Algorithm for the Generation of Three-Dimensional Accessibility Ramps
in Grasshopper / Rhinoceros 7
- Title（参考訳）: Grasshopper/Rhinoceros 7における3次元アクセシビリティランプ生成のためのAIアルゴリズム
- Authors: Antonio Li, Leila Yi, Brandon Yeo Pei Hui
- Abstract要約: 本稿では,関連する環境の3次元モデルに基づいて,実現可能なアクセシビリティランプの自動生成が可能なアルゴリズムを提案する。
このアルゴリズムはAI検索アルゴリズムを用いてこれらの点を結ぶ最適な経路を決定する。
車椅子でアクセス可能なランプを設計する上で必須のコンポーネントは、アルゴリズムによって評価されるように、プロセス内にエンコードされる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Often overlooked as a component of urban development, accessibility
infrastructure is undeniably crucial in daily life. Accessibility ramps are one
of the most common types of accessibility infrastructure, and serve to benefit
not only people with mobile impairments but also able-bodied third parties.
While the necessity of accessibility ramps is acknowledged, actual
implementation fails in light of the limits of manpower required for the design
stage. In response, we present an algorithm capable of the automatic generation
of a feasible accessibility ramp based on a 3D model of the relevant
environment. Through the manual specification of initial and terminal points
within a 3D model, the algorithm uses AI search algorithms to determine the
optimal pathway connecting these points. Essential components in devising a
wheelchair-accessible ramp are encoded within the process, as evaluated by the
algorithm, including but not limited to elevation differentials, spatial
constraints, and gradient specifications. From this, the algorithm then
generates the pathway to be expanded into a full-scale, usable model of a ramp,
which then can be easily exported and transformed through inter-software
exchanges. Though some human input is still required following the generation
stage, the minimising of human resources provides significant boosts of
efficiency in the design process thus lowering the threshold for the
incorporation of accessibility features in future urban design.
- Abstract（参考訳）: 都市開発の構成要素として見過ごされることが多いが、アクセシビリティ・インフラストラクチャーは日々の生活において極めて重要である。
アクセシビリティ・ランプはアクセシビリティ・インフラストラクチャーの最も一般的なタイプの1つであり、モバイル障害を持つ人だけでなく、有能な第三者にも利益をもたらす。
アクセシビリティ・ランプの必要性は認識されているが、実際の実装は設計段階に必要な人力の限界を考慮して失敗する。
そこで本研究では,関連する環境の3次元モデルに基づいて,実現可能なアクセシビリティランプの自動生成が可能なアルゴリズムを提案する。
3Dモデル内の初期点と終点を手動で指定することで、アルゴリズムはAI検索アルゴリズムを用いてこれらの点を接続する最適な経路を決定する。
車椅子に到達可能なランプを考案するために必要なコンポーネントは、標高差、空間制約、勾配仕様などを含むアルゴリズムによって評価されるように、プロセス内でエンコードされる。
そこからアルゴリズムは、ランプのフルスケールで使用可能なモデルに拡張される経路を生成し、簡単にエクスポートし、ソフトウェア間の交換を通じて変換することができる。
人的入力は、生成段階以降も必要であるが、人的資源の最小化は、設計プロセスにおける大幅な効率向上をもたらし、将来の都市デザインにおけるアクセシビリティ機能の導入のしきい値を低下させる。
関連論文リスト
- ALOcc: Adaptive Lifting-based 3D Semantic Occupancy and Cost Volume-based Flow Prediction [89.89610257714006]
既存の手法は、これらのタスクの要求に応えるために高い精度を優先する。
本稿では,3次元セマンティック占有率予測とフロー推定のための一連の改善点を紹介する。
私たちの純粋な時間的アーキテクチャフレームワークであるALOccは、速度と精度の最適なトレードオフを実現しています。
論文 参考訳（メタデータ） (2024-11-12T11:32:56Z) - Unifying Lane-Level Traffic Prediction from a Graph Structural Perspective: Benchmark and Baseline [21.37853568400125]
本稿では,レーンレベルの交通予測における既存研究を幅広く分析し,分類する。
グラフ構造と予測ネットワークに基づくシンプルなベースラインモデルであるGraphMLPを導入している。
既存の研究では公開されていないコードを複製し、有効性、効率、適用性の観点から様々なモデルを評価しました。
論文 参考訳（メタデータ） (2024-03-22T04:21:40Z) - Edge-Enabled Real-time Railway Track Segmentation [0.0]
エッジ対応鉄道線路分割アルゴリズムを提案する。
ネットワーク構造を最適化し、トレーニング後のモデルを定量化することで、エッジアプリケーションに適したように最適化されている。
実験結果から,提案アルゴリズムの精度は83.3%であった。
論文 参考訳（メタデータ） (2024-01-21T13:45:52Z) - Integrating Higher-Order Dynamics and Roadway-Compliance into
Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。
既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。
このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
論文 参考訳（メタデータ） (2023-09-25T22:30:18Z) - BoundED: Neural Boundary and Edge Detection in 3D Point Clouds via Local
Neighborhood Statistics [0.0]
本稿では,1次および2次統計量を用いて,局所的近傍を記述する新しい特徴セットを,単純でコンパクトな分類ネットワークの入力として利用する。
この機能の埋め込みを活用することで、我々のアルゴリズムは、品質と処理時間の点で最先端の技術より優れている。
論文 参考訳（メタデータ） (2022-10-24T14:49:03Z) - Back to MLP: A Simple Baseline for Human Motion Prediction [59.18776744541904]
本稿では、歴史的に観察されたシーケンスから将来の身体のポーズを予測することによる、人間の動作予測の課題に取り組む。
これらの手法の性能は、0.14Mパラメータしか持たない軽量で純粋にアーキテクチャアーキテクチャによって超えることができることを示す。
Human3.6M, AMASS, 3DPWデータセットの徹底的な評価は, siMLPeをダブした我々の手法が, 他のアプローチよりも一貫して優れていることを示している。
論文 参考訳（メタデータ） (2022-07-04T16:35:58Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳（メタデータ） (2021-02-16T06:04:27Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳（メタデータ） (2020-12-25T07:08:50Z) - Evolving Search Space for Neural Architecture Search [70.71153433676024]
最適化された検索空間サブセットを維持することにより,前回の取り組みから得られた結果を増幅するニューラルサーチ空間進化(NSE)方式を提案する。
我々は333万のFLOPでImageNet上で77.3%のトップ1リトレーニング精度を実現し、最先端の性能を得た。
遅延制約が適用された場合、我々の結果は、77.9%のTop-1再トレーニング精度を持つ、以前の最高のパフォーマンスのモバイルモデルよりも優れた性能が得られる。
論文 参考訳（メタデータ） (2020-11-22T01:11:19Z) - Open Area Path Finding to Improve Wheelchair Navigation [0.0]
本稿では,経路のネットワークを持たないオープンエリアに対して,新しい経路探索アルゴリズムを提案し,実装する。
提案アルゴリズムは開放領域に新しいグラフを作成し,障害物や障壁を考慮し,経路を計算する。
実装とテストは、提案されたアルゴリズム出力と実際の車椅子利用者軌跡との少なくとも76.4%の類似性を示している。
論文 参考訳（メタデータ） (2020-11-07T21:20:32Z) - A Privacy-Preserving-Oriented DNN Pruning and Mobile Acceleration
Framework [56.57225686288006]
モバイルエッジデバイスの限られたストレージとコンピューティング能力を満たすために、ディープニューラルネットワーク(DNN)の軽量プルーニングが提案されている。
従来のプルーニング手法は主に、ユーザデータのプライバシを考慮せずに、モデルのサイズを減らしたり、パフォーマンスを向上させることに重点を置いていた。
プライベートトレーニングデータセットを必要としないプライバシ保護指向のプルーニングおよびモバイルアクセラレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-13T23:52:03Z)
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。