論文の概要: Benchmarking Online Object Trackers for Underwater Robot Position Locking Applications

• arxiv url: http://arxiv.org/abs/2502.16569v1
• Date: Sun, 23 Feb 2025 13:27:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:52:40.501873
• Title: Benchmarking Online Object Trackers for Underwater Robot Position Locking Applications
• Title（参考訳）: 水中ロボット位置追跡用オンライン物体追跡器のベンチマーク
• Authors: Ali Safa, Waqas Aman, Ali Al-Zawqari, Saif Al-Kuwari,
• Abstract要約: 視覚に基づく水中ロボットのナビゲーションと制御は、最近、水中環境で直面する多くの課題に対処するために注目を集めている。 本稿では,ROVプラットフォームにおける視覚ベースの位置ロックのための,機械学習(ML)ベースの1ショットオブジェクト追跡アルゴリズムを7つ以上導入した,厳密な統一ベンチマークを提案する。 提案システムは,物体追跡アルゴリズムの出力結果を用いて,外乱に対するROVの位置を自動的に補正する。
• 参考スコア（独自算出の注目度）: 0.9642500063568189
• License:
• Abstract: Autonomously controlling the position of Remotely Operated underwater Vehicles (ROVs) is of crucial importance for a wide range of underwater engineering applications, such as in the inspection and maintenance of underwater industrial structures. Consequently, studying vision-based underwater robot navigation and control has recently gained increasing attention to counter the numerous challenges faced in underwater conditions, such as lighting variability, turbidity, camera image distortions (due to bubbles), and ROV positional disturbances (due to underwater currents). In this paper, we propose (to the best of our knowledge) a first rigorous unified benchmarking of more than seven Machine Learning (ML)-based one-shot object tracking algorithms for vision-based position locking of ROV platforms. We propose a position-locking system that processes images of an object of interest in front of which the ROV must be kept stable. Then, our proposed system uses the output result of different object tracking algorithms to automatically correct the position of the ROV against external disturbances. We conducted numerous real-world experiments using a BlueROV2 platform within an indoor pool and provided clear demonstrations of the strengths and weaknesses of each tracking approach. Finally, to help alleviate the scarcity of underwater ROV data, we release our acquired data base as open-source with the hope of benefiting future research.
• Abstract（参考訳）: 遠隔操作型水中車両(ROV)の位置を自律的に制御することは、水中産業構造物の検査や維持など、幅広い水中工学的応用において重要である。 その結果、近年、照明の変動、濁度、カメラ画像の歪み(泡による)、ROV位置乱れ(水中電流による)など、水中で直面する多くの課題に対処するために、視覚に基づく水中ロボットナビゲーションと制御の研究が注目されている。 本稿では,ROVプラットフォームにおける視覚ベースの位置ロックのための,機械学習(ML)ベースの1ショットオブジェクト追跡アルゴリズムを7つ以上導入した,厳密な統一ベンチマークを(私たちの知る限り)提案する。 本稿では,ROVを安定に保たなければならない対象物体の画像を処理する位置同期システムを提案する。 提案システムは,物体追跡アルゴリズムの出力結果を用いて,外乱に対するROVの位置を自動的に補正する。 屋内プール内のBlueROV2プラットフォームを用いた実環境実験を行い,各トラッキング手法の強みと弱みを明確に示す結果を得た。 最後に,水中ROVデータの不足を軽減するため,買収したデータベースをオープンソースとして公開し,今後の研究の恩恵を期待する。

関連論文リスト

• Sonar-based Deep Learning in Underwater Robotics: Overview, Robustness and Challenges [0.46873264197900916]
  水中でのソナーの使用は、限られた訓練データと固有のノイズが特徴であり、頑丈さをモデル化する上での課題となっている。 本稿では,分類,物体検出,セグメンテーション,SLAMなどのソナーベース認知タスクモデルについて検討する。 ソナーベースの最先端データセット、シミュレータ、ニューラルネットワーク検証、アウト・オブ・ディストリビューション、敵攻撃などの堅牢性メソッドを体系化する。
  論文  参考訳（メタデータ） (2024-12-16T15:03:08Z)
• A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。 また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• Enhancing Autonomous Navigation by Imaging Hidden Objects using Single-Photon LiDAR [12.183773707869069]
  単一光子LiDARを用いたNon-Line-of-Sight(NLOS)センシングによる視認性の向上と自律ナビゲーションの向上を目的とした新しいアプローチを提案する。 本手法は,マルチバウンス光情報を利用することで,移動ロボットを「隅々まで見る」ことを可能にする。
  論文  参考訳（メタデータ） (2024-10-04T16:03:13Z)
• FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation [65.01601309903971]
  無人水中車両(UUV)の6次元ポーズ推定のための周波数認識フロー支援フレームワークであるFAFAを紹介する。 我々のフレームワークは、3DモデルとRGB画像のみに依存しており、実際のポーズアノテーションや奥行きのような非モダリティデータの必要性を軽減しています。 本研究では,一般的な水中オブジェクトポーズベンチマークにおけるFAFAの有効性を評価し,最先端手法と比較して顕著な性能向上を示した。
  論文  参考訳（メタデータ） (2024-09-25T03:54:01Z)
• Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
  ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。 具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。 実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-05-30T23:20:23Z)
• Evaluating Deep Learning Assisted Automated Aquaculture Net Pens Inspection Using ROV [0.27309692684728615]
  魚は魚の養殖場から海に逃げ出す。 従来の検査システムは、専門家のダイバーやROVによる視覚検査に依存している。 本稿では,養殖網ペンを対象としたロボットによる自動網欠陥検出システムについて述べる。
  論文  参考訳（メタデータ） (2023-08-26T09:35:49Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Vision-Based Autonomous Navigation for Unmanned Surface Vessel in Extreme Marine Conditions [2.8983738640808645]
  本稿では,極端海洋環境下での目標物追跡のための自律的視覚に基づくナビゲーション・フレームワークを提案する。 提案手法は砂嵐や霧による可視性低下下でのシミュレーションで徹底的に検証されている。 結果は、ベンチマークしたMBZIRCシミュレーションデータセット全体にわたる最先端のデハージング手法と比較される。
  論文  参考訳（メタデータ） (2023-08-08T14:25:13Z)
• Benchmarking Safe Deep Reinforcement Learning in Aquatic Navigation [78.17108227614928]
  本研究では,水文ナビゲーションに着目した安全強化学習のためのベンチマーク環境を提案する。 価値に基づく政策段階の深層強化学習(DRL)について考察する。 また,学習したモデルの振る舞いを所望の特性の集合上で検証する検証戦略を提案する。
  論文  参考訳（メタデータ） (2021-12-16T16:53:56Z)
• Vision-Based Mobile Robotics Obstacle Avoidance With Deep Reinforcement Learning [49.04274612323564]
  障害物回避は、移動ロボットの自律ナビゲーションのための根本的かつ困難な問題です。 本稿では,ロボットが単一眼カメラにのみ依存しなければならない単純な3D環境における障害物回避の問題を検討する。 データ駆動型エンドツーエンドディープラーニングアプローチとして,障害回避問題に取り組む。
  論文  参考訳（メタデータ） (2021-03-08T13:05:46Z)

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。