論文の概要: Chemist Eye: A Visual Language Model-Powered System for Safety Monitoring and Robot Decision-Making in Self-Driving Laboratories
- arxiv url: http://arxiv.org/abs/2508.05148v2
- Date: Wed, 13 Aug 2025 08:11:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-14 11:55:47.601254
- Title: Chemist Eye: A Visual Language Model-Powered System for Safety Monitoring and Robot Decision-Making in Self-Driving Laboratories
- Title（参考訳）: Chemist Eye: 自動運転車実験室における安全モニタリングとロボット意思決定のための視覚言語モデル駆動システム
- Authors: Francisco Munguia-Galeano, Zhengxue Zhou, Satheeshkumar Veeramani, Hatem Fakhruldeen, Louis Longley, Rob Clowes, Andrew I. Cooper,
- Abstract要約: ロボット工学と自動化を自動運転研究所(SDL)に統合することで、さらなる安全性の複雑さがもたらされる。
本稿では,SDLにおける状況認識を高めるために設計された分散安全監視システムであるChemist Eyeを紹介する。
このシステムは、SDLのインシデントを監視するために設計されたRGB、深度、赤外線カメラを備えた複数のステーションを統合している。
- 参考スコア（独自算出の注目度）: 3.1567913519981423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The integration of robotics and automation into self-driving laboratories (SDLs) can introduce additional safety complexities, in addition to those that already apply to conventional research laboratories. Personal protective equipment (PPE) is an essential requirement for ensuring the safety and well-being of workers in laboratories, self-driving or otherwise. Fires are another important risk factor in chemical laboratories. In SDLs, fires that occur close to mobile robots, which use flammable lithium batteries, could have increased severity. Here, we present Chemist Eye, a distributed safety monitoring system designed to enhance situational awareness in SDLs. The system integrates multiple stations equipped with RGB, depth, and infrared cameras, designed to monitor incidents in SDLs. Chemist Eye is also designed to spot workers who have suffered a potential accident or medical emergency, PPE compliance and fire hazards. To do this, Chemist Eye uses decision-making driven by a vision-language model (VLM). Chemist Eye is designed for seamless integration, enabling real-time communication with robots. Based on the VLM recommendations, the system attempts to drive mobile robots away from potential fire locations, exits, or individuals not wearing PPE, and issues audible warnings where necessary. It also integrates with third-party messaging platforms to provide instant notifications to lab personnel. We tested Chemist Eye with real-world data from an SDL equipped with three mobile robots and found that the spotting of possible safety hazards and decision-making performances reached 97 % and 95 %, respectively.
- Abstract（参考訳）: ロボット工学と自動化を自動運転研究所(SDL)に統合することで、従来の研究機関にすでに適用されているものに加えて、さらなる安全性の複雑さを導入することができる。
パーソナル防護装置(PPE)は、実験室、自動運転等における労働者の安全と幸福を確保するために必須の要件である。
火は化学実験室におけるもう一つの重要な危険因子である。
SDLでは、可燃性のリチウム電池を使用する移動ロボットに近づいた火災が重篤度を増す可能性がある。
本稿では,SDLにおける状況認識を高めるために設計された分散安全監視システムであるChemist Eyeを紹介する。
このシステムは、SDLのインシデントを監視するために設計されたRGB、深度、赤外線カメラを備えた複数のステーションを統合している。
ケミストアイはまた、潜在的な事故や救急、PPEコンプライアンス、火災の危険に遭った労働者を見つけるように設計されている。
これを実現するために、Chemist Eyeは視覚言語モデル(VLM)によって駆動される意思決定を使用する。
Chemist Eyeはシームレスな統合のために設計されており、ロボットとのリアルタイム通信を可能にする。
VLMのレコメンデーションに基づいて、このシステムは、火災の可能性のある場所や出口、あるいはPPEを着用していない個人から移動ロボットを遠ざけようとしている。
また、サードパーティのメッセージングプラットフォームと統合して、実験員に即時通知を提供する。
3台の移動ロボットを搭載したSDLのリアルタイムデータを用いてChemist Eyeをテストしたところ、安全リスクと意思決定性能の発見率は97%と95%に達した。
関連論文リスト
- AGENTSAFE: Benchmarking the Safety of Embodied Agents on Hazardous Instructions [76.74726258534142]
本稿では,有害な指示を受けるVLMエージェントの安全性を評価するための最初のベンチマークであるProgentSAFEを提案する。
AgentSAFEはシミュレーションサンドボックス内の現実的なエージェントと環境の相互作用をシミュレートする。
ベンチマークには、45の敵シナリオ、1,350の有害なタスク、8,100の有害な命令が含まれます。
論文 参考訳（メタデータ） (2025-06-17T16:37:35Z) - Safety Guardrails for LLM-Enabled Robots [82.0459036717193]
従来のロボット安全アプローチは、大規模言語モデル(LLM)の新たな脆弱性に対処しない
LLM対応ロボットの安全性を確保するための2段ガードレールアーキテクチャであるRoboGuardを提案する。
RoboGuardは、安全プランのパフォーマンスを損なうことなく、安全でないプランの実行を92%から2.5%以下に削減することを示す。
論文 参考訳（メタデータ） (2025-03-10T22:01:56Z) - Don't Let Your Robot be Harmful: Responsible Robotic Manipulation via Safety-as-Policy [53.048430683355804]
ロボット操作における人間の指示の実行は、深刻な安全性のリスクにつながる可能性がある。
i) 安全リスクを含むシナリオを自動生成し、仮想的なインタラクションを行う世界モデルと、(ii) 反射による結果を予測するメンタルモデルを含む。
本研究は, 安全行政がリスクを回避し, 合成データセットと実世界の両方の実験において, 効率的にタスクを完了できることを実証する。
論文 参考訳（メタデータ） (2024-11-27T12:27:50Z) - Defining and Evaluating Physical Safety for Large Language Models [62.4971588282174]
大型言語モデル (LLM) は、ドローンのようなロボットシステムを制御するためにますます使われている。
現実世界のアプリケーションに物理的な脅威や害をもたらすリスクは、まだ解明されていない。
我々は,ドローンの物理的安全性リスクを,(1)目標脅威,(2)目標脅威,(3)インフラ攻撃,(4)規制違反の4つのカテゴリに分類する。
論文 参考訳（メタデータ） (2024-11-04T17:41:25Z) - On the Vulnerability of LLM/VLM-Controlled Robotics [54.57914943017522]
大規模言語モデル(LLM)と視覚言語モデル(VLM)を統合するロボットシステムの脆弱性を,入力モダリティの感度によって強調する。
LLM/VLM制御型2つのロボットシステムにおいて,単純な入力摂動がタスク実行の成功率を22.2%,14.6%減少させることを示す。
論文 参考訳（メタデータ） (2024-02-15T22:01:45Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。
このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。
我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z) - Plug in the Safety Chip: Enforcing Constraints for LLM-driven Robot
Agents [25.62431723307089]
線形時間論理(LTL)に基づく問合せ型安全制約モジュールを提案する。
我々のシステムは、安全上の制約を厳格に遵守し、複雑な安全上の制約とうまく対応し、実用性の可能性を強調します。
論文 参考訳（メタデータ） (2023-09-18T16:33:30Z) - A Smart Robotic System for Industrial Plant Supervision [16.68349850187503]
本稿では,各種センサとインテリジェントデータ処理を統合した自律走行ロボットによるシステムを提案する。
メタン漏れを検出し、流量を推定し、より一般的なガス異常を検出し、音源をローカライズし、故障事例を検出し、環境を3Dでマッピングし、自律的にナビゲートすることができる。
論文 参考訳（メタデータ） (2023-08-10T14:54:21Z) - Improving safety in physical human-robot collaboration via deep metric
learning [36.28667896565093]
柔軟な生産シナリオでは、ロボットとの直接の物理的相互作用がますます重要になっている。
リスクポテンシャルを低く抑えるため、物理的な接触がある場合や安全距離に違反する場合など、比較的簡単な操作措置が定められている。
この研究はDeep Metric Learning(DML)アプローチを用いて、非接触ロボットの動き、物理的人間とロボットの相互作用を目的とした意図的な接触、衝突状況の区別を行う。
論文 参考訳（メタデータ） (2023-02-23T11:26:51Z) - 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) - Vision-Based Safety System for Barrierless Human-Robot Collaboration [0.0]
本稿では,速度分離監視(SSM)方式の安全システムを提案する。
ディープラーニングに基づくコンピュータビジョンシステムは、ロボットに近いオペレータの3D位置を検出し、追跡し、推定する。
人間とロボットが相互作用する3つの異なる操作モードが提示される。
論文 参考訳（メタデータ） (2022-08-03T12:31:03Z) - Wearable camera-based human absolute localization in large warehouses [0.0]
本稿では,大規模倉庫を対象としたウェアラブル型人的位置決めシステムについて紹介する。
単眼のダウンルックカメラは、地上のノードを検出し、それらを識別し、人間の絶対位置を計算する。
人間の操作者周辺の仮想安全エリアが設定され、この領域内のAGVは直ちに停止される。
論文 参考訳（メタデータ） (2020-07-20T12:57:37Z) - Lio -- A Personal Robot Assistant for Human-Robot Interaction and Care
Applications [0.35390706902408026]
Lioはモバイルロボットプラットフォームで、人間とロボットのインタラクションとパーソナルケアアシスタントタスクのために明示的に設計された多機能アームを備えている。
リオは、軟質の人工リアクター材料を全面的にカバーし、衝突検出、制限速度、力を持つことによって本質的に安全である。
新型コロナウイルス(COVID-19)のパンデミックの間、Lioは急速に調整され、消毒や遠隔での体温測定などの追加機能を実現した。
論文 参考訳（メタデータ） (2020-06-16T09:37:44Z)
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。