論文の概要: AR-Facilitated Safety Inspection and Fall Hazard Detection on Construction Sites

• arxiv url: http://arxiv.org/abs/2412.01273v1
• Date: Mon, 02 Dec 2024 08:38:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:42:38.884346
• Title: AR-Facilitated Safety Inspection and Fall Hazard Detection on Construction Sites
• Title（参考訳）: 建設現場におけるARファシリテート安全検査と転倒危険検出
• Authors: Jiazhou Liu, Aravinda S. Rao, Fucai Ke, Tim Dwyer, Benjamin Tag, Pari Delir Haghighi,
• Abstract要約: 我々は,高層建設現場の安全検査を容易にするために,ヘッドマウント型拡張現実の可能性を探っている。 業界で特に懸念されているのは、人や物体の落下を防ぐために、高いレベルの建設現場で、周囲の安全画面を検査することである。 我々は,安全画面のどの部分が検査されたかを追跡することで,この検査作業を支援することを目的とする。 機械学習を用いて、近距離検査と修復を必要とする周辺スクリーンのギャップを自動的に検出し、レポートを自動化する。
• 参考スコア（独自算出の注目度）: 17.943278018516416
• License:
• Abstract: Together with industry experts, we are exploring the potential of head-mounted augmented reality to facilitate safety inspections on high-rise construction sites. A particular concern in the industry is inspecting perimeter safety screens on higher levels of construction sites, intended to prevent falls of people and objects. We aim to support workers performing this inspection task by tracking which parts of the safety screens have been inspected. We use machine learning to automatically detect gaps in the perimeter screens that require closer inspection and remediation and to automate reporting. This work-in-progress paper describes the problem, our early progress, concerns around worker privacy, and the possibilities to mitigate these.
• Abstract（参考訳）: 業界の専門家とともに、高層建設現場の安全検査を容易にするために、ヘッドマウント型拡張現実の可能性を探っている。 業界で特に懸念されているのは、人や物体の落下を防ぐために、高いレベルの建設現場で、周囲の安全画面を検査することである。 我々は,安全画面のどの部分が検査されたかを追跡することで,この検査作業を支援することを目的とする。 機械学習を用いて、近距離検査と修復を必要とする周辺スクリーンのギャップを自動的に検出し、レポートを自動化する。 このワーク・イン・プログレス(Work-in-progress)論文は、問題、私たちの初期の進歩、労働者のプライバシーに関する懸念、そしてこれらを緩和する可能性について説明している。

関連論文リスト

• Safety Monitoring of Machine Learning Perception Functions: a Survey [7.193217430660011]
  機械学習の予測が安全クリティカルなアプリケーションで使用されるとき、新しい信頼性の課題が発生する。 安全モニタなどのフォールトトレランス機構の使用は、システムの安全な動作を保証するために不可欠である。 本稿では,MLを用いた認識機能の安全性監視に関する文献的考察を行う。
  論文  参考訳（メタデータ） (2024-12-09T10:58:50Z)
• On the Role of Attention Heads in Large Language Model Safety [64.51534137177491]
  大規模言語モデル(LLM)は、複数の言語タスクにおいて最先端のパフォーマンスを達成するが、それらの安全ガードレールを回避できる。 モデル安全への個人的貢献を評価するため,マルチヘッド対応のための新しい指標として,安全ヘッドImPortant Score(Ships)を提案する。
  論文  参考訳（メタデータ） (2024-10-17T16:08:06Z)
• SCANS: Mitigating the Exaggerated Safety for LLMs via Safety-Conscious Activation Steering [56.92068213969036]
  悪意のある命令から脅威を守るために、LLM(Large Language Models)には安全アライメントが不可欠である。 近年の研究では、過大な安全性の問題により、安全性に配慮したLCMは、良質な問い合わせを拒否する傾向にあることが明らかになっている。 過大な安全性の懸念を和らげるために,SCANS法を提案する。
  論文  参考訳（メタデータ） (2024-08-21T10:01:34Z)
• Irregularity Inspection using Neural Radiance Field [0.0]
  大規模生産機械はますます重要になっている。 このような大型機械の欠陥検査を専門家が行うことは、しばしば困難である。 本稿では3次元双対モデルのニューラル・ネットワーク・モデリング(NeRF)に基づくシステムを提案する。
  論文  参考訳（メタデータ） (2024-08-21T00:14:07Z)
• Safetywashing: Do AI Safety Benchmarks Actually Measure Safety Progress? [59.96471873997733]
  我々は、より有意義な安全指標を開発するための実証的な基盤を提案し、機械学習研究の文脈でAIの安全性を定義する。 我々は、AI安全研究のためのより厳格なフレームワークを提供し、安全性評価の科学を前進させ、測定可能な進歩への道筋を明らかにすることを目指している。
  論文  参考訳（メタデータ） (2024-07-31T17:59:24Z)
• Safeguarded Progress in Reinforcement Learning: Safe Bayesian Exploration for Control Policy Synthesis [63.532413807686524]
  本稿では、強化学習(RL)におけるトレーニング中の安全維持の問題に対処する。 探索中の効率的な進捗と安全性のトレードオフを扱う新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-12-18T16:09:43Z)
• AutoRepo: A general framework for multi-modal LLM-based automated construction reporting [4.406834811182582]
  本稿では,建設検査報告の自動生成のためのAutoRepoという新しいフレームワークを提案する。 このフレームワークは実世界の建設現場で適用され、検査プロセスの迅速化の可能性を実証した。
  論文  参考訳（メタデータ） (2023-10-11T23:42:00Z)
• Visual Detection of Personal Protective Equipment and Safety Gear on Industry Workers [49.36909714011171]
  我々は、PPE(Personal Protective Equipment)の使用を検知するカメラを用いて、労働者の安全を向上するシステムを開発した。 我々の焦点は、制限区域へのアクセスを得るために労働者が自らを提示しなければならないエントリーコントロールポイントに我々のシステムを実装することである。 この研究の新たな特徴は、クラス数を5つの対象(ヘルメット、安全ベスト、安全手袋、安全眼鏡、聴覚保護)に増やすことである。
  論文  参考訳（メタデータ） (2022-12-09T11:50:03Z)
• An Industrial Workplace Alerting and Monitoring Platform to Prevent Workplace Injury and Accidents [0.0]
  安全でない活動の個人防護装置(PPE)の使用を検知し、分類するための産業用職場警報・監視プラットフォームを提案する。 提案手法は,複数の人や物体が関与する長時間動作を初めて解析する手法である。 そこで本研究では,産業現場のビデオデータにアクション分類を付加し,PPEを検出した最初のオープンソースアノテートデータセットを提案する。
  論文  参考訳（メタデータ） (2022-10-25T06:35:00Z)
• Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
  大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。 我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。 我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
  論文  参考訳（メタデータ） (2020-10-19T13:09:31Z)
• DEEVA: A Deep Learning and IoT Based Computer Vision System to Address Safety and Security of Production Sites in Energy Industry [0.0]
  本稿では,シーン分類,シーン中のオブジェクト検出,セマンティックセグメンテーション,シーンキャプションなど,さまざまなコンピュータビジョンに関わる問題に取り組む。 我々は、シーン分類、オブジェクト検出、セマンティックセグメンテーション、シーンのキャプションを扱うためのDeep ExxonMobil Eye for Video Analysis (DEEVA)パッケージを開発した。 その結果, RetinaNet物体検出器を用いた伝達学習により, 作業者の存在, 車両・建設機器の種類, 安全関連物体を高い精度(90%以上)で検出できることがわかった。
  論文  参考訳（メタデータ） (2020-03-02T21:26:00Z)

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。