論文の概要: An Exploratory Study on Crack Detection in Concrete through Human-Robot Collaboration
- arxiv url: http://arxiv.org/abs/2508.11404v1
- Date: Fri, 15 Aug 2025 11:13:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-18 14:51:23.863282
- Title: An Exploratory Study on Crack Detection in Concrete through Human-Robot Collaboration
- Title（参考訳）: 人間とロボットの協調によるコンクリートのひび割れ検出に関する探索的研究
- Authors: Junyeon Kim, Tianshu Ruan, Cesar Alan Contreras, Manolis Chiou,
- Abstract要約: 本研究では,移動体ジャカルロボットプラットフォームに組み込まれたAI支援型視覚的き裂検出の有効性について検討した。
実験結果から, HRCは検査精度を高め, 作業負荷を低減することが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Structural inspection in nuclear facilities is vital for maintaining operational safety and integrity. Traditional methods of manual inspection pose significant challenges, including safety risks, high cognitive demands, and potential inaccuracies due to human limitations. Recent advancements in Artificial Intelligence (AI) and robotic technologies have opened new possibilities for safer, more efficient, and accurate inspection methodologies. Specifically, Human-Robot Collaboration (HRC), leveraging robotic platforms equipped with advanced detection algorithms, promises significant improvements in inspection outcomes and reductions in human workload. This study explores the effectiveness of AI-assisted visual crack detection integrated into a mobile Jackal robot platform. The experiment results indicate that HRC enhances inspection accuracy and reduces operator workload, resulting in potential superior performance outcomes compared to traditional manual methods.
- Abstract（参考訳）: 原子力施設の構造検査は、運用上の安全性と整合性を維持する上で不可欠である。
従来の手動検査の方法は、安全性のリスク、高い認知的要求、人的制限による潜在的な不正確さなど、重大な課題を提起する。
人工知能(AI)とロボット技術の最近の進歩は、より安全で効率的で正確な検査方法の新しい可能性を開いた。
具体的には、高度な検出アルゴリズムを備えたロボットプラットフォームを活用するHRC(Human-Robot Collaboration)は、検査結果の大幅な改善と人間の作業量の削減を約束する。
本研究では,移動体ジャカルロボットプラットフォームに組み込まれたAI支援型視覚的き裂検出の有効性について検討した。
その結果, HRCは検査精度を向上し, 作業負荷を低減し, 従来の手作業法に比べて性能が向上する可能性が示唆された。
関連論文リスト
- Survey on safe robot control via learning [0.0]
本研究は, 安全ロボット学習の現場を探索し, 厳密な安全制約と高性能制御のバランスをとる方法を検討する。
古典的な制御手法、学習に基づくアプローチ、組込みシステム設計を調べることで、複雑な運用環境全体にわたって最適な性能を維持しながら、有害な状態を防ぐためにロボットシステムをいかに開発できるかを理解することを目指す。
論文 参考訳（メタデータ） (2024-12-16T21:04:09Z) - Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
本稿では,人間とロボットの協調学習システムについて紹介する。
これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。
これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
論文 参考訳（メタデータ） (2024-06-29T03:37:29Z) - On the Feasibility of Fingerprinting Collaborative Robot Network Traffic [13.676158049194873]
本研究では,ロボットの協調作業におけるプライバシーリスクについて検討し,暗号化されたロボット通信における交通分析の可能性に着目した。
本稿では,信号処理技術を用いた交通分類手法を提案する。
本研究は,ロボットのプライバシとセキュリティにおける実用的防御の継続的な開発の必要性を強調した。
論文 参考訳（メタデータ） (2023-12-11T19:26:30Z) - Assessing Trust in Construction AI-Powered Collaborative Robots using
Structural Equation Modeling [0.0]
安全と信頼性は、建設におけるAI駆動コボットの採用の重要な要因である。
コボットの使用による置き換えの恐れは、影響を受けた労働者のメンタルヘルスに重大な影響を及ぼす可能性がある。
コボット、安全性測定、コボットが収集したデータのセキュリティを含むジョブのエラー率の低下は、信頼性に大きな影響を及ぼす。
コボットの内部動作の透明性は、正確性、堅牢性、セキュリティ、プライバシ、コミュニケーションに有効である。
論文 参考訳（メタデータ） (2023-08-28T16:39:22Z) - Bridging Active Exploration and Uncertainty-Aware Deployment Using
Probabilistic Ensemble Neural Network Dynamics [11.946807588018595]
本稿では,活発な探索と不確実性を考慮した展開を橋渡しするモデルベース強化学習フレームワークを提案する。
探索と展開の対立する2つのタスクは、最先端のサンプリングベースのMPCによって最適化されている。
自動運転車と車輪付きロボットの両方で実験を行い、探索と展開の両方に有望な結果を示します。
論文 参考訳（メタデータ） (2023-05-20T17:20:12Z) - Demonstration-Guided Reinforcement Learning with Efficient Exploration
for Task Automation of Surgical Robot [54.80144694888735]
効率的な強化学習アルゴリズムであるDEX(Demonstration-Guided Exploration)を導入する。
本手法は,生産的相互作用を促進するために,高い値で専門家のような行動を推定する。
総合的な手術シミュレーションプラットフォームであるSurRoLによる10ドルの手術操作に関する実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-02-20T05:38:54Z) - Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot
Learning [121.9708998627352]
近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。
本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
論文 参考訳（メタデータ） (2022-04-15T08:12:15Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳（メタデータ） (2021-03-06T09:14:30Z)
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。