論文の概要: Language-in-the-Loop Culvert Inspection on the Erie Canal

• arxiv url: http://arxiv.org/abs/2509.21370v1
• Date: Mon, 22 Sep 2025 17:28:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:53.879432
• Title: Language-in-the-Loop Culvert Inspection on the Erie Canal
• Title（参考訳）: エリー運河におけるLanguage-in-the-Loop Culvert Inspection
• Abstract要約: 1825年に建設されたエリー運河のような運河のカルバートは、安全運転を確保するために頻繁に検査を必要とする。 人間によるカルバートの検査は、年齢、幾何学、照明の質の悪さ、天候、容易なアクセスの欠如により困難である。 我々は,Webスケール視覚言語モデル(VLM)と制約された視点計画とを結合した,エンド・ツー・エンドの言語・イン・ザ・ループ自律システムであるVISIONを紹介した。
• 参考スコア（独自算出の注目度）: 6.718749267591075
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Culverts on canals such as the Erie Canal, built originally in 1825, require frequent inspections to ensure safe operation. Human inspection of culverts is challenging due to age, geometry, poor illumination, weather, and lack of easy access. We introduce VISION, an end-to-end, language-in-the-loop autonomy system that couples a web-scale vision-language model (VLM) with constrained viewpoint planning for autonomous inspection of culverts. Brief prompts to the VLM solicit open-vocabulary ROI proposals with rationales and confidences, stereo depth is fused to recover scale, and a planner -- aware of culvert constraints -- commands repositioning moves to capture targeted close-ups. Deployed on a quadruped in a culvert under the Erie Canal, VISION closes the see, decide, move, re-image loop on-board and produces high-resolution images for detailed reporting without domain-specific fine-tuning. In an external evaluation by New York Canal Corporation personnel, initial ROI proposals achieved 61.4\% agreement with subject-matter experts, and final post-re-imaging assessments reached 80\%, indicating that VISION converts tentative hypotheses into grounded, expert-aligned findings.
• Abstract（参考訳）: 1825年に建設されたエリー運河のような運河のカルバートは、安全運転を確保するために頻繁に検査を必要とする。 人間によるカルバートの検査は、年齢、幾何学、照明の質の悪さ、天候、容易なアクセスの欠如により困難である。 我々は,Webスケール視覚言語モデル(VLM)と制約された視点計画とを結合した,エンド・ツー・エンドの言語・イン・ザ・ループ自律システムであるVISIONを紹介した。 根拠と自信を持ったオープン語彙ROI提案をVLMに要請し、ステレオディープはスケールを回復するために融合し、プランナーは -- 制約を意識して -- ターゲットのクローズアップをキャプチャするための動きを再配置する。 エリー運河の下にある四角形に配置されたVISIONは、シー、決定、移動、再イメージループをオンボードで閉じ、ドメイン固有の微調整なしで詳細なレポートのために高解像度の画像を生成する。 ニューヨーク・カナル・コーポレーションの職員による外部評価では、初期のROI提案は主観的な専門家と61.4\%の合意に達し、最終再画像評価は80\%に達した。

関連論文リスト

• Beyond OCR Accuracy: Text-Centric VQA Under Image Degradation with Modular and End-to-End [5.790885750156007]
  テキスト中心のVisual Question Answering (VQA)は、画像に埋め込まれたテキストを読み書きする必要がある。 モジュール型OCRベースのパイプラインとエンドツーエンドのビジョン言語モデルはどちらもこのタスクに広く使用されているが、劣化した条件下での比較ロバスト性は未解明のままである。 本稿では、ResNet-18と自己アテンション空間モデリングと変形可能な畳み込みを組み合わせた独自の検出器アーキテクチャであるSA-DBNetと2つのモジュールパイプラインを比較した実証的研究を行う。
  論文  参考訳（メタデータ） (2026-09-12T08:57:29Z)
• OpenCVL: An Open, Diverse, and Large-Scale Dataset for Fine-Grained Cross-View Localization [73.84434300039767]
  ヨーロッパ4か国41都市にまたがる617,388の地上画像からなる大規模で多様でオープンなデータセットOpenCVLを紹介した。 OpenCVLには、一般化と堅牢性を評価する専用のクロスエリアと雪テストセットが含まれている。 OpenCVL上での最先端CVLモデルによる実験により、ノイズの多い内部データを組み込むことで、クリーンなテストセットの性能が一貫して向上することが示された。
  論文  参考訳（メタデータ） (2026-08-26T01:20:46Z)
• Rethinking Embodied Navigation via Relational Inductive Bias [53.72276435022479]
  本稿では,DB-Navを提案する。 標的中心の関係を活性化バイアスと抑制バイアスに分類する。 成功率(SR)と成功率(SPL)はパス長さ(SPL)が重み付けされているため、既存の方法よりも著しく優れています。
  論文  参考訳（メタデータ） (2026-06-09T02:57:34Z)
• VG-CoT: Towards Trustworthy Visual Reasoning via Grounded Chain-of-Thought [16.361394107862502]
  画像内の実際の視覚的証拠に、各推論ステップを明示的にリンクするVisual Grounding Chain-of-Thoughtデータセットを提案する。 パイプラインは、GPT-4oでステップバイステップのグラウンドド推論を生成し、合理的に駆動されるオープンセット検出プロセスを通じてグラウンドディングを洗練する。 LLaVA-1.5やQwen2-VLを含む代表的なLVLMによる実験は、ほとんどの評価指標に対して一貫した改善を示した。
  論文  参考訳（メタデータ） (2026-04-23T08:04:07Z)
• Viewpoint-Agnostic Grasp Pipeline using VLM and Partial Observations [0.6263680699548958]
  本稿では,言語誘導型把握のためのエンドツーエンドパイプラインを提案し,実際のロボット上での動作を安全に把握するために,自由語彙選択をブリッジする。 自然言語コマンドを与えられたシステムは、オープン語彙検出と即時インスタンスセグメンテーションを使用して、ターゲットをRGBにグラウンドする。 次に、衝突フィルタ6-DoFグルーピング候補を生成し、到達可能性、アプローチ可能性、クリアランスを考慮に入れた安全指向のグルーピングを用いて実行可能なグルーピングを選択する。
  論文  参考訳（メタデータ） (2026-03-09T00:42:32Z)
• Vision-Language Models for Ergonomic Assessment of Manual Lifting Tasks: Estimating Horizontal and Vertical Hand Distances from RGB Video [0.91196622823436]
  Revised NIOSH Lifting Equation (RNLE)は、水平(H)と垂直(V)の手の距離に依存するタスクを持ち上げるための人間工学的リスク評価ツールである。 RGBビデオストリームからHとVを非侵襲的に推定するための革新的視覚言語モデル(VLM)の有用性を評価した。
  論文  参考訳（メタデータ） (2026-02-24T08:01:49Z)
• ReViP: Reducing False Completion in Vision-Language-Action Models with Vision-Proprioception Rebalance [50.05984919728878]
  本稿では、視覚的接地と摂動下での堅牢性を高めるために、視覚-受容器リバランスを備えた新しいVLAフレームワークReViPを提案する。 具体的には、タスクステージオブザーバとして外部VLMを使用して、視覚的な観察からリアルタイムなタスク中心の視覚的手がかりを抽出する。 本稿では,オブジェクトドロップのような制御された設定を持つLIBERO上に構築された最初のFalse-Completion Benchmark Suiteを提案する。
  論文  参考訳（メタデータ） (2026-01-23T11:31:07Z)
• TubeRMC: Tube-conditioned Reconstruction with Mutual Constraints for Weakly-supervised Spatio-Temporal Video Grounding [22.87624706845173]
  Video Grounding (ST) は、ある言語クエリに対応する時間管を非言語ビデオでローカライズすることを目的としている。 最近の研究は、境界ボックスや時間的アノテーションのような細かいアノテーションへの依存を取り除くために、弱い教師付きSTを探索している。 本稿では,視覚的接地モデルを生成し,時間的制約を伴ってチューブ条件の再構成により洗練するテキスト条件付き候補再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-13T12:15:23Z)
• Expand Your SCOPE: Semantic Cognition over Potential-Based Exploration for Embodied Visual Navigation [6.993095391722284]
  エージェントは限られた知識で未知の環境を探索しなければならないため、身体的視覚ナビゲーションは依然として困難な課題である。 既存のゼロショット研究では、ゴール指向動作をサポートするメモリ機構を組み込むことで、長期計画性能が向上することが示されている。 ゼロショットフレームワークであるセマンティック・コグニション・オーバー・ポテンシャルベース探索(SCOPE)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T03:23:09Z)
• Open-Vocabulary Spatio-Temporal Scene Graph for Robot Perception and Teleoperation Planning [55.90805559207812]
  動的リモートシーンでは、双方向通信における伝送遅延は、リモート認識状態とオペレータ意図の間のギャップを生じさせる。 本稿では,時間的ダイナミクスと軽量遅延アノテーションを用いて,オープン語彙認識を充実させる表現を提案する。 提案手法はReplicaベンチマークで74%のノード精度を実現し,Concept.Graphよりも優れていた。
  論文  参考訳（メタデータ） (2025-09-27T04:31:24Z)
• Vision-Based Localization and LLM-based Navigation for Indoor Environments [4.58063394223487]
  本研究では,大規模言語モデル(LLM)に基づくナビゲーションと視覚的ローカライゼーションを統合した屋内ローカライゼーションとナビゲーション手法を提案する。 このモデルは、制限された視聴条件下であっても、テストされた全てのウェイポイントに対して高い信頼性と96%の精度を実現した。 本研究は、オフザシェルフカメラと一般公開フロアプランを用いた、スケーラブルでインフラストラクチャフリーな屋内ナビゲーションの可能性を示す。
  論文  参考訳（メタデータ） (2025-08-11T15:59:09Z)
• FASTopoWM: Fast-Slow Lane Segment Topology Reasoning with Latent World Models [53.91899980806139]
  レーンセグメント推論は、総合的な鳥眼ビュー(BEV)ロードシーン理解を提供する。 ストリームベースの時間的伝搬法は,クエリレベルとBEVレベルの両方に時間的手がかりを組み込むことで,有望な結果を示した。 FASTopoWMは、潜在世界モデルで拡張された新しい高速スローレーンセグメント推論フレームワークである。
  論文  参考訳（メタデータ） (2025-07-31T08:12:56Z)
• Ground-R1: Incentivizing Grounded Visual Reasoning via Reinforcement Learning [96.01617809845396]
  Ground-R1は、明示的なエビデンスや合理的アノテーションを必要とせずに、基礎的な視覚的推論を可能にする強化学習フレームワークである。 グラウンドR1は優れた性能を示し、不確実性認識、空間認識、反復的洗練などの創発的な認知行動を示す。
  論文  参考訳（メタデータ） (2025-05-26T17:51:47Z)
• Excision And Recovery: Visual Defect Obfuscation Based Self-Supervised Anomaly Detection Strategy [1.0358639819750703]
  エキシジョン・アンド・リカバリ(EAR)と呼ばれる新しいリコンストラクション・バイ・インペインティング手法を提案する。 EARは、ImageNetで事前訓練されたDINO-ViTとヒント提供のための視覚的難読化に基づいて、単一の決定論的マスキングを特徴としている。 提案手法は,ニューラルネットワーク構造の変化を伴わずに,高い異常検出性能を実現する。
  論文  参考訳（メタデータ） (2023-10-06T04:40:48Z)
• The RoboDepth Challenge: Methods and Advancements Towards Robust Depth Estimation [97.63185634482552]
  我々は,RoboDepth Challengeの優勝ソリューションを要約する。 この課題は、堅牢なOoD深度推定を容易にし、前進させるように設計された。 この課題が、堅牢で信頼性の高い深度推定に関する将来の研究の基盤となることを願っている。
  論文  参考訳（メタデータ） (2023-07-27T17:59:56Z)
• SCADE: NeRFs from Space Carving with Ambiguity-Aware Depth Estimates [16.344734292989504]
  SCADEは、スパースで制約のない入力ビューにおけるNeRF再構成品質を改善する新しい技術である。 本研究では,各視点に対して,深度推定の連続的マルチモーダル分布を予測する新しい手法を提案する。 実験により,本手法はスパースビューから高忠実度ノベルビューの合成を可能にすることが示された。
  論文  参考訳（メタデータ） (2023-03-23T18:00:07Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• Rethinking the Spatial Route Prior in Vision-and-Language Navigation [29.244758196643307]
  VLN(Vision-and-Language Navigation)は、知的エージェントを自然言語による予測位置へナビゲートすることを目的としたトレンドトピックである。 この研究は、VLNのタスクを、これまで無視されていた側面、すなわちナビゲーションシーンの前の空間ルートから解決する。
  論文  参考訳（メタデータ） (2021-10-12T03:55:43Z)
• Unsupervised Deep Persistent Monocular Visual Odometry and Depth Estimation in Extreme Environments [7.197188771058501]
  教師なしの深層学習アプローチは、未ラベルの単分子画像列から深度と視覚計測(VO)を推定するために大きな注目を集めている。 そこで本稿では,RGB画像列からカメラの6自由度ポーズとシーンの深度マップを予測する,教師なし単眼深度VOフレームワークを提案する。 提案手法は, 従来の非教師付き深度VO法と非教師付き深度VO法の両方より優れ, ポーズ推定と深度回復の両面で良好な結果が得られる。
  論文  参考訳（メタデータ） (2020-10-31T19:10:27Z)

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。