論文の概要: Smartphone-Based Identification of Unknown Liquids via Active Vibration Sensing

• arxiv url: http://arxiv.org/abs/2603.28787v1
• Date: Fri, 20 Mar 2026 03:05:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.138304
• Title: Smartphone-Based Identification of Unknown Liquids via Active Vibration Sensing
• Title（参考訳）: アクティブ振動センシングによる未知液体のスマートフォンによる同定
• Authors: Yongzhi Huang,
• Abstract要約: 本稿では,スマートフォンなどの商用軽量デバイスで未知の液体を識別できる可能性を示す。 本研究では,活性振動に基づいて液体の粘度を測定する新しいモデルを提案する。 提案手法では, 平均相対誤差2.9%で液体粘度を推定し, 平均精度95.47%で30種類の液体を識別する。
• 参考スコア（独自算出の注目度）: 0.4534934363927308
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional liquid identification instruments are often unavailable to the general public. This paper shows the feasibility of identifying unknown liquids with commercial lightweight devices, such as a smartphone. The key insight is that different liquid molecules have different viscosity coefficients and therefore must overcome different energy barriers during relative motion. With this intuition in mind, we introduce a novel model that measures liquids' viscosity based on active vibration. However, building a robust system using built-in smartphone accelerometers is challenging. Practical issues include under-sampling, self-interference, and the impact of liquid-volume changes. Instead of machine learning, we tackle these issues through multiple signal processing stages to reconstruct the original signals and cancel out the interference. Our approach estimates liquid viscosity with a mean relative error of 2.9% and distinguishes 30 types of liquids with an average accuracy of 95.47%.
• Abstract（参考訳）: 従来の液体識別器は一般には利用できないことが多い。 本稿では,スマートフォンなどの商用軽量デバイスで未知の液体を識別できる可能性を示す。 重要な洞察は、異なる液体分子は粘度係数が異なるため、相対運動中に異なるエネルギー障壁を克服しなければならないということである。 この直感を念頭に置いて,活性振動に基づいて液体の粘度を測定する新しいモデルを導入する。 しかし、内蔵のスマートフォン加速度計を用いた堅牢なシステムの構築は困難である。 実際の問題として、アンダーサンプリング、自己干渉、および液体量の変化の影響がある。 機械学習の代わりに、複数の信号処理段階を通じてこれらの問題に取り組み、元の信号を再構築し、干渉をキャンセルする。 提案手法では, 平均相対誤差2.9%で液体粘度を推定し, 平均精度95.47%で30種類の液体を識別する。

関連論文リスト

• Learning to Segment Liquids in Real-world Images [10.081056869677527]
  LQDSという名の液体の大規模データセットを構築し、14の異なるクラスに注釈付けされた5000個の実世界の画像からなる。 我々は,専用境界分岐と主セグメンテーション分岐との交差アテンションを利用して,セグメンテーション予測を強化するLQDMという新しい液体検出モデルを設計する。
  論文  参考訳（メタデータ） (2026-01-02T16:16:25Z)
• Phys-Liquid: A Physics-Informed Dataset for Estimating 3D Geometry and Volume of Transparent Deformable Liquids [47.96212902310787]
  透明な変形可能な液体の幾何学的および体積的特性の推定は、光学的複雑さと容器運動によって引き起こされる動的表面変形により困難である。 97,200個のシミュレーション画像とそれに対応する3Dメッシュからなる物理インフォームドデータセットであるPhys-Liquidを紹介する。 実験の結果, 液体形状と体積の再構成における精度と整合性が向上し, 既存のベンチマークより優れていた。
  論文  参考訳（メタデータ） (2025-11-14T08:50:58Z)
• The Sound of Water: Inferring Physical Properties from Pouring Liquids [85.30865788636386]
  注水液の音響・視覚観測と物理の関連性について検討した。 本研究の目的は, 液位, 容器形状, 注水速度, 充填時間などの物性を自動的に推定することである。
  論文  参考訳（メタデータ） (2024-11-18T01:19:37Z)
• Fluid Viscosity Prediction Leveraging Computer Vision and Robot Interaction [9.312155153982982]
  本研究は,映像データから得られた流体振動を解析することにより,流体粘性予測の可能性を探るものである。 パイプラインは、自制的に事前訓練された3D畳み込みオートエンコーダを使用して、振動流体のセマンティックセグメンテーションマスクから特徴を抽出し、学習する。 事前訓練されたオートエンコーダによって生成された潜在表現を分類するために使用すると、システムは合計4140のテストデータポイントに対して97.1%の精度を達成する。
  論文  参考訳（メタデータ） (2023-08-04T21:23:34Z)
• FluidLab: A Differentiable Environment for Benchmarking Complex Fluid Manipulation [80.63838153351804]
  複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。 私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。 微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
  論文  参考訳（メタデータ） (2023-03-04T07:24:22Z)
• Testing a Drop of Liquid Using Smartphone LiDAR [4.603006709596951]
  本稿では,現代スマートフォンに搭載されているLiDARセンサを用いて,流体特性を判定するシステムを提案する。 私たちのデザインは、携帯電話から液体にコヒーレントなLiDARビームをターゲットにすることで機能します。 携帯電話のカメラを用いて、光散乱粒子から反射する光の干渉によって形成される特徴的なレーザースペックルパターンをキャプチャする。
  論文  参考訳（メタデータ） (2022-03-15T00:12:39Z)
• Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
  本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。 我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-14T17:05:59Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• Ultrafast viscosity measurement with ballistic optical tweezers [55.41644538483948]
  非侵襲粘度測定は秒の積分時間を必要とする。 速度を最大20マイクロ秒まで改善した4つの命令を実演する。 光学式ツイーザにおける捕捉粒子の瞬時速度を用いてこれを実現する。
  論文  参考訳（メタデータ） (2020-06-29T00:09:40Z)

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。