論文の概要: Proving the Potential of Skeleton Based Action Recognition to Automate
the Analysis of Manual Processes
- arxiv url: http://arxiv.org/abs/2310.08451v1
- Date: Thu, 12 Oct 2023 16:11:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-14 08:56:25.177816
- Title: Proving the Potential of Skeleton Based Action Recognition to Automate
the Analysis of Manual Processes
- Title(参考訳): 手作業分析の自動化のための骨格に基づく行動認識の可能性の証明
- Authors: Marlin Berger, Frederik Cloppenburg, Jens Eufinger, Thomas Gries
- Abstract要約: 本研究は、ビデオストリームに基づいて、手動組立プロセスにおける現在の動作クラスを検出する。
現在の動きに関する情報により、KPI(Key-Performance-Indicators)を容易に導出できる。
この分野では最近、機械ビジョンタスクで大きな成功を収めている。
MLパイプラインを開発し、異なる(事前)処理方法とニューラルネットの広範な研究を可能にする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In manufacturing sectors such as textiles and electronics, manual processes
are a fundamental part of production. The analysis and monitoring of the
processes is necessary for efficient production design. Traditional methods for
analyzing manual processes are complex, expensive, and inflexible. Compared to
established approaches such as Methods-Time-Measurement (MTM), machine learning
(ML) methods promise: Higher flexibility, self-sufficient & permanent use,
lower costs. In this work, based on a video stream, the current motion class in
a manual assembly process is detected. With information on the current motion,
Key-Performance-Indicators (KPIs) can be derived easily. A skeleton-based
action recognition approach is taken, as this field recently shows major
success in machine vision tasks. For skeleton-based action recognition in
manual assembly, no sufficient pre-work could be found. Therefore, a ML
pipeline is developed, to enable extensive research on different (pre-)
processing methods and neural nets. Suitable well generalizing approaches are
found, proving the potential of ML to enhance analyzation of manual processes.
Models detect the current motion, performed by an operator in manual assembly,
but the results can be transferred to all kinds of manual processes.
- Abstract(参考訳): 織物やエレクトロニクスなどの製造業では、手作業が生産の基本的な部分である。
効率的な生産設計にはプロセスの分析とモニタリングが必要である。
手動プロセスを分析する従来の方法は複雑で高価で柔軟性がない。
Methods-Time-Measurement (MTM)のような確立したアプローチと比較して、マシンラーニング(ML)メソッドは、次のように約束している。
本研究では,ビデオストリームに基づいて,手動組立プロセスにおける現在の動作クラスを検出する。
現在の動きに関する情報により、KPI(Key-Performance-Indicators)を容易に導出できる。
スケルトンベースのアクション認識アプローチが採用されており、この分野は最近、機械ビジョンタスクで大きな成功を収めている。
手動組立における骨格に基づく行動認識では、十分な事前作業が見つからなかった。
そのため、MLパイプラインを開発し、異なる(事前)処理方法とニューラルネットの広範な研究を可能にする。
適切に一般化されたアプローチが発見され、手動のプロセスの分析を強化するMLの可能性を証明した。
モデルは、オペレータが手動で実行した現在の動作を検出するが、結果はあらゆる種類の手動プロセスに転送できる。
関連論文リスト
- Process Modeling With Large Language Models [45.129578769739]
本稿では,大規模言語モデル(LLM)のプロセスモデリングへの統合について検討する。
プロセスモデルの自動生成と反復的改善にLLMを利用するフレームワークを提案する。
予備的な結果は、プロセスモデリングタスクを合理化するフレームワークの能力を示している。
論文 参考訳(メタデータ) (2024-03-12T11:27:47Z) - Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。
論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
論文 参考訳(メタデータ) (2023-09-22T01:06:32Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳(メタデータ) (2023-04-28T10:27:38Z) - An adaptive human-in-the-loop approach to emission detection of Additive
Manufacturing processes and active learning with computer vision [76.72662577101988]
In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。
このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。
本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
論文 参考訳(メタデータ) (2022-12-12T15:11:18Z) - Explainable Artificial Intelligence for Improved Modeling of Processes [6.29494485203591]
我々は,現代的なトランスフォーマーアーキテクチャと,より古典的なプロセス規則性モデリングの機械学習技術の性能を評価する。
MLモデルは重要な結果を予測することができ、注意機構やXAIコンポーネントが基礎となるプロセスに新たな洞察を与えることを示す。
論文 参考訳(メタデータ) (2022-12-01T17:56:24Z) - Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。
本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文 参考訳(メタデータ) (2022-10-04T13:48:59Z) - Process Modeling, Hidden Markov Models, and Non-negative Tensor
Factorization with Model Selection [0.15658704610960567]
プロセス監視は、ユーザーが産業プロセスにおける組織の関与を計測することを可能にする。
データ不足に対処するために、我々はそのプロセスに精通している課題の専門家(SME)の知識を活用する。
本稿では,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に健全な新しい手法を提案する。
論文 参考訳(メタデータ) (2022-10-03T16:19:27Z) - Capturing Dependencies within Machine Learning via a Formal Process
Model [11.91042044893791]
機械学習モデルの開発は、単なるソフトウェア開発(SD)の特殊なケースではない
文献に記述されているほとんどのタスクやアーティファクトを一貫した方法で包含する、MLのための包括的なSDプロセスモデルを定義する。
我々は、MLがカプセル化されたタスクである標準的なSDプロセスと様々なインタラクションポイントを提供する。
論文 参考訳(メタデータ) (2022-08-10T08:45:37Z) - Chain of Thought Imitation with Procedure Cloning [129.62135987416164]
本稿では,一連の専門家計算を模倣するために,教師付きシーケンス予測を適用したプロシージャクローニングを提案する。
本研究では、専門家の行動の中間計算を模倣することで、プロシージャのクローン化により、未知の環境構成に顕著な一般化を示すポリシーを学習できることを示す。
論文 参考訳(メタデータ) (2022-05-22T13:14:09Z) - Demystifying a Dark Art: Understanding Real-World Machine Learning Model
Development [2.422369741135428]
機械学習の追跡と共有のためのオープンソースのプラットフォームOpenMLで、ユーザ生成475万以上を分析します。
イテレーションを繰り返すと、ユーザが手動、自動化、あるいは混合のアプローチを採用することがよくあります。
論文 参考訳(メタデータ) (2020-05-04T14:33:39Z) - Towards CRISP-ML(Q): A Machine Learning Process Model with Quality
Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。
第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。
第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文 参考訳(メタデータ) (2020-03-11T08:25:49Z)
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。