論文の概要: Data Sensor Fusion In Digital Twin Technology For Enhanced Capabilities In A Home Environment
- arxiv url: http://arxiv.org/abs/2502.08874v1
- Date: Thu, 13 Feb 2025 01:14:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-14 13:49:20.198750
- Title: Data Sensor Fusion In Digital Twin Technology For Enhanced Capabilities In A Home Environment
- Title(参考訳): 家庭環境における機能強化のためのデジタルツイン技術におけるデータセンサーの融合
- Authors: Benjamin Momoh, Salisu Yahaya,
- Abstract要約: 本稿では,デジタルツイン技術におけるデータセンサの融合によるホーム環境機能の強化について検討する。
この研究は、サイバー物理システム、IoT、AI、ロボティクスを統合して、デジタル双生児の能力を強化している。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This paper investigates the integration of data sensor fusion in digital twin technology to bolster home environment capabilities, particularly in the context of challenges brought on by the coronavirus pandemic and its economic effects. The study underscores the crucial role of digital transformation in not just adapting to, but also mitigating disruptions during the fourth industrial revolution. Using the Wit Motion sensor, data was collected for activities such as walking, working, sitting, and lying, with sensors measuring accelerometers, gyroscopes, and magnetometers. The research integrates Cyber-physical systems, IoT, AI, and robotics to fortify digital twin capabilities. The paper compares sensor fusion methods, including feature-level fusion, decision-level fusion, and Kalman filter fusion, alongside machine learning models like SVM, GBoost, and Random Forest to assess model effectiveness. Results show that sensor fusion significantly improves the accuracy and reliability of these models, as it compensates for individual sensor weaknesses, particularly with magnetometers. Despite higher accuracy in ideal conditions, integrating data from multiple sensors ensures more consistent and reliable results in real-world settings, thereby establishing a robust system that can be confidently applied in practical scenarios.
- Abstract(参考訳): 本稿では,デジタルツイン技術におけるデータセンサの融合による家庭環境の活性化,特に新型コロナウイルスのパンデミックによる課題とその経済的影響について検討する。
この研究は、デジタルトランスフォーメーションの重要な役割は、単に適応するだけでなく、第四次産業革命の混乱を緩和することにある。
Wit Motionセンサーを使用して、歩行、作業、座り、横たわりなどの活動のデータを収集し、加速度計、ジャイロスコープ、磁気センサを計測した。
この研究は、サイバー物理システム、IoT、AI、ロボティクスを統合して、デジタル双生児の能力を強化している。
本稿では,SVM,GBoost,Random Forestなどの機械学習モデルとともに,特徴レベル融合,決定レベル融合,カルマンフィルタ融合などのセンサ融合手法を比較し,モデルの有効性を評価する。
その結果,センサ融合は個々のセンサの弱点,特に磁気センサを補うことにより,これらのモデルの精度と信頼性を著しく向上させることがわかった。
理想的な条件では精度が高いが、複数のセンサーからのデータを統合することで、現実の環境でより一貫性があり信頼性の高い結果が得られ、実用的なシナリオに確実に適用できる堅牢なシステムを確立することができる。
関連論文リスト
- Virtual Sensing-Enabled Digital Twin Framework for Real-Time Monitoring of Nuclear Systems Leveraging Deep Neural Operators [0.36651088217486427]
本稿では,デジタルツインフレームワークのコアコンポーネントとしてDeepOperator Networks (DeepONet) を導入する。
DeepONetは動的でスケーラブルな仮想センサとして機能し、操作された入力パラメータと空間的に分散されたシステムの振る舞いの間の相互作用を正確にマッピングする。
この結果から,DeepONetは平均二乗誤差と相対L2誤差で精度の高い予測を行い,従来のCFDシミュレーションの1400倍の精度で未知データの予測を行うことができた。
論文 参考訳(メタデータ) (2024-10-17T16:56:04Z) - One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。
提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。
提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
論文 参考訳(メタデータ) (2024-03-24T13:44:57Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Learning Online Multi-Sensor Depth Fusion [100.84519175539378]
SenFuNetは、センサ固有のノイズと外れ値統計を学習するディープフュージョンアプローチである。
実世界のCoRBSとScene3Dデータセットで様々なセンサーの組み合わせで実験を行う。
論文 参考訳(メタデータ) (2022-04-07T10:45:32Z) - Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。
畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。
提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
論文 参考訳(メタデータ) (2022-02-15T17:38:30Z) - Data-based Design of Inferential Sensors for Petrochemical Industry [0.0]
産業において、不正確な(またはソフトな)センサーは、オンラインで測定された変数から不正確かつ稀に測定された(または完全に測定されていない)変数の値を推測するために用いられる。
本研究は, 石油精製装置2基の工業蒸留塔の製品組成推定センサの設計に焦点をあてたものである。
論文 参考訳(メタデータ) (2021-06-25T08:48:50Z) - Anomaly Detection through Transfer Learning in Agriculture and
Manufacturing IoT Systems [4.193524211159057]
本稿では, 農作物に設置したセンサから, 7種類のセンサからのデータと, 振動センサを用いた先進的な製造試験からのデータを分析する。
これら2つのアプリケーション領域において、予測的障害分類がいかに達成され、予測的メンテナンスの道が開かれたかを示す。
論文 参考訳(メタデータ) (2021-02-11T02:37:27Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳(メタデータ) (2021-02-02T15:44:39Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7~13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳(メタデータ) (2020-12-04T23:06:56Z) - Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。
予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。
我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
論文 参考訳(メタデータ) (2019-12-30T20:25:16Z)
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。