論文の概要: Augmented Physics: Creating Interactive and Embedded Physics Simulations from Static Textbook Diagrams
- arxiv url: http://arxiv.org/abs/2405.18614v2
- Date: Sat, 10 Aug 2024 16:37:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 21:12:59.767485
- Title: Augmented Physics: Creating Interactive and Embedded Physics Simulations from Static Textbook Diagrams
- Title（参考訳）: Augmented Physics:静的テキストダイアグラムから対話型および埋め込み型物理シミュレーションを作成する
- Authors: Aditya Gunturu, Yi Wen, Nandi Zhang, Jarin Thundathil, Rubaiat Habib Kazi, Ryo Suzuki,
- Abstract要約: 静的教科書図から組込みインタラクティブな物理シミュレーションを作成するための機械学習統合オーサリングツールであるAugmented Physicsを紹介した。
本システムでは,物理教科書から図表を半自動抽出し,抽出した内容に基づいてインタラクティブなシミュレーションを生成する。
- 参考スコア（独自算出の注目度）: 10.883862721068223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Augmented Physics, a machine learning-integrated authoring tool designed for creating embedded interactive physics simulations from static textbook diagrams. Leveraging recent advancements in computer vision, such as Segment Anything and Multi-modal LLMs, our web-based system enables users to semi-automatically extract diagrams from physics textbooks and generate interactive simulations based on the extracted content. These interactive diagrams are seamlessly integrated into scanned textbook pages, facilitating interactive and personalized learning experiences across various physics concepts, such as optics, circuits, and kinematics. Drawing from an elicitation study with seven physics instructors, we explore four key augmentation strategies: 1) augmented experiments, 2) animated diagrams, 3) bi-directional binding, and 4) parameter visualization. We evaluate our system through technical evaluation, a usability study (N=12), and expert interviews (N=12). Study findings suggest that our system can facilitate more engaging and personalized learning experiences in physics education.
- Abstract（参考訳）: 静的教科書図から組込みインタラクティブな物理シミュレーションを作成するための機械学習統合オーサリングツールであるAugmented Physicsを紹介した。
近年のコンピュータビジョンの進歩であるセグメント・アニーシングやマルチモーダル・LLMの活用により,本システムでは,物理教科書から図表を半自動抽出し,抽出した内容に基づいてインタラクティブなシミュレーションを生成することができる。
これらのインタラクティブなダイアグラムはスキャンされた教科書ページにシームレスに統合され、光学、回路、キネマティックスといった様々な物理概念の対話的でパーソナライズされた学習体験を容易にする。
7人の物理インストラクターによる説明研究から、我々は4つの重要な強化戦略を探求する。
1【拡張実験】
2)アニメーション図。
3)双方向結合,及び
4)パラメータ可視化。
技術評価,ユーザビリティスタディ(N=12),エキスパートインタビュー(N=12。
その結果,本システムは,物理教育において,よりエンゲージメントとパーソナライズされた学習体験を促進することが示唆された。
関連論文リスト
- Latent Intuitive Physics: Learning to Transfer Hidden Physics from A 3D Video [58.043569985784806]
本稿では,物理シミュレーションのための伝達学習フレームワークである潜在直観物理学を紹介する。
単一の3Dビデオから流体の隠れた性質を推測し、新しいシーンで観察された流体をシミュレートすることができる。
我々は,本モデルの有効性を3つの方法で検証する: (i) 学習されたビジュアルワールド物理を用いた新しいシーンシミュレーション, (ii) 観測された流体力学の将来予測, (iii) 教師付き粒子シミュレーション。
論文 参考訳（メタデータ） (2024-06-18T16:37:44Z) - A Personalised Learning Tool for Physics Undergraduate Students Built On a Large Language Model for Symbolic Regression [0.6666419797034796]
インターリーブド・プラクティスは、学部生の記憶と問題解決能力を高める。
本稿では,Large Language Model(LLM)上に構築されたパーソナライズされた学習ツールについて紹介する。
論文 参考訳（メタデータ） (2024-06-17T13:43:30Z) - Physics-Encoded Graph Neural Networks for Deformation Prediction under
Contact [87.69278096528156]
ロボット工学では、触覚相互作用における物体の変形を理解することが不可欠である。
本稿では,物理符号化グラフニューラルネットワーク(GNN)を用いた予測手法を提案する。
コードとデータセットを公開して、ロボットシミュレーションと把握の研究を進めました。
論文 参考訳（メタデータ） (2024-02-05T19:21:52Z) - Augmented Math: Authoring AR-Based Explorable Explanations by Augmenting
Static Math Textbooks [1.8097223019080158]
本稿では,Augmented Mathを紹介した。Augmented Mathは,静的な数学教科書をプログラミングなしで拡張することによって,ARの探索可能な説明を書くための機械学習ベースのアプローチである。
静的な文書を増大させるために,本システムはまず,光学文字認識(OCR)とコンピュータビジョンを用いて,与えられた文書から数式と図形を抽出する。
これにより、教師や学生のような非技術者のユーザは、既存の数学の教科書やハンドアウトをオンデマンドでパーソナライズされた探索可能な説明に変換することができる。
論文 参考訳（メタデータ） (2023-07-30T03:02:52Z) - Multimodal Lecture Presentations Dataset: Understanding Multimodality in
Educational Slides [57.86931911522967]
学習内容のマルチモーダル理解における機械学習モデルの能力を検証する。
このデータセットには,180時間以上のビデオと9000時間以上のスライドが,各科目から10人の講師が参加している。
マルチモーダル・トランスフォーマーであるPolyViLTを導入する。
論文 参考訳（メタデータ） (2022-08-17T05:30:18Z) - Dynamic Visual Reasoning by Learning Differentiable Physics Models from
Video and Language [92.7638697243969]
視覚概念を協調的に学習し,映像や言語から物体の物理モデルを推定する統合フレームワークを提案する。
これは視覚認識モジュール、概念学習モジュール、微分可能な物理エンジンの3つのコンポーネントをシームレスに統合することで実現される。
論文 参考訳（メタデータ） (2021-10-28T17:59:13Z) - ThreeDWorld: A Platform for Interactive Multi-Modal Physical Simulation [75.0278287071591]
ThreeDWorld (TDW) はインタラクティブなマルチモーダル物理シミュレーションのためのプラットフォームである。
TDWは、リッチな3D環境において、高忠実な感覚データのシミュレーションと、移動体エージェントとオブジェクト間の物理的相互作用を可能にする。
我々は、コンピュータビジョン、機械学習、認知科学における新たな研究方向において、TDWによって実現された初期実験を提示する。
論文 参考訳（メタデータ） (2020-07-09T17:33:27Z) - Quantum Composer: A programmable quantum visualization and simulation
tool for education and research [0.0]
Quantum Composerは、グラフィカルに接続可能なノードと対話することで、量子力学シミュレーションの構築、拡張、探索を可能にする。
本稿では,量子力学の入門講座と先進講座,学生プロジェクト,および研究環境における視覚的探索におけるオープンエンドの適用性について説明する。
論文 参考訳（メタデータ） (2020-06-12T15:19:02Z) - Occlusion resistant learning of intuitive physics from videos [52.25308231683798]
人工システムの鍵となる能力は、オブジェクト間の物理的相互作用を理解し、状況の将来的な結果を予測することである。
この能力は直感的な物理学と呼ばれ、近年注目されており、ビデオシーケンスからこれらの物理規則を学ぶためのいくつかの方法が提案されている。
論文 参考訳（メタデータ） (2020-04-30T19:35:54Z)
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。