論文の概要: Edge-Based Standing-Water Detection via FSM-Guided Tiering and Multi-Model Consensus

• arxiv url: http://arxiv.org/abs/2604.03308v1
• Date: Tue, 31 Mar 2026 07:26:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.494276
• Title: Edge-Based Standing-Water Detection via FSM-Guided Tiering and Multi-Model Consensus
• Title（参考訳）: FSM誘導型タイアリングとマルチモデルコンセンサスによるエッジベース立位水検出
• Authors: Oliver Aleksander Larsen, Mahyar T. Moghaddam,
• Abstract要約: 農業地帯の立水は、車両の移動性と作物の健康を脅かす。 本稿では,オプションのJetsonアクセラレーションを備えたRaspberry-Piクラスデバイスを用いた静止水検出のためのエッジアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 1.2744523252873352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standing water in agricultural fields threatens vehicle mobility and crop health. This paper presents a deployed edge architecture for standing-water detection using Raspberry-Pi-class devices with optional Jetson acceleration. Camera input and environmental sensors (humidity, pressure, temperature) are combined in a finite-state machine (FSM) that acts as the architectural decision engine. The FSM-guided control plane selects between local and offloaded inference tiers, trading accuracy, latency, and energy under intermittent connectivity and motion-dependent compute budgets. A multi-model YOLO ensemble provides image scores, while diurnal-baseline sensor fusion adjusts caution using environmental anomalies. All decisions are logged per frame, enabling bit-identical hardware-in-the-loop replays. Across ten configurations and sensor variants on identical field sequences with frame-level ground truth, we show that the combination of adaptive tiering, multi-model consensus, and diurnal sensor fusion improves flood-detection performance over static local baselines, uses less energy than a naive always-heavy offload policy, and maintains bounded tail latency in a real agricultural setting.
• Abstract（参考訳）: 農業地帯の立水は、車両の移動性と作物の健康を脅かす。 本稿では,オプションのJetsonアクセラレーションを備えたRaspberry-Piクラスデバイスを用いた静止水検出のためのエッジアーキテクチャを提案する。 カメラ入力と環境センサー(湿度、圧力、温度)は、アーキテクチャ決定エンジンとして機能する有限状態機械(FSM)に結合される。 FSM誘導制御プレーンは、断続接続および動きに依存した計算予算の下で、局所的およびオフロードされた推論層、取引精度、レイテンシ、エネルギーを選択する。 マルチモデルYOLOアンサンブルは画像スコアを提供するが、昼行ベースラインセンサ融合は環境異常を利用して注意を調整する。 すべての決定はフレーム毎にログされ、ビット識別子によるハードウェア・イン・ザ・ループのリプレイを可能にする。 適応階層化, マルチモデルコンセンサス, 日内センサフュージョンの組み合わせにより, 静的な局所ベースライン上での洪水検出性能が向上し, 常に重いオフロードポリシよりも少ないエネルギーを消費し, 実際の農業環境では有界テールレイテンシを維持できることを示す。

関連論文リスト

• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Multi-Modality Driven LoRA for Adverse Condition Depth Estimation [61.525312117638116]
  逆条件深さ推定のためのMulti-Modality Driven LoRA(MMD-LoRA)を提案する。 Prompt Driven Domain Alignment (PDDA) と Visual-Text Consistent Contrastive Learning (VTCCL) の2つのコアコンポーネントで構成されている。 nuScenesとOxford RobotCarデータセットの最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-12-28T14:23:58Z)
• CAFuser: Condition-Aware Multimodal Fusion for Robust Semantic Perception of Driving Scenes [56.52618054240197]
  本研究では,運転シーンのロバストな意味認識のための条件対応型マルチモーダル融合手法を提案する。 CAFuserは、RGBカメラ入力を用いて環境条件を分類し、コンディショントークンを生成する。 我々のモデルは、特に悪条件シナリオにおいて、ロバスト性と精度を著しく向上させる。
  論文  参考訳（メタデータ） (2024-10-14T17:56:20Z)
• 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)
• Unsupervised Cross-Domain Soft Sensor Modelling via Deep Physics-Inspired Particle Flow Bayes [3.2307729081989334]
  クロスドメイン・ソフト・センサ・モデリングのためのディープ・パーティクル・フロー・ベイズ・フレームワークを提案する。 特に、まずシーケンシャルベイズ目標を定式化し、最大推定を行う。 複雑な産業用多相流プロセスシステムにおけるフレームワークの有効性を検証した。
  論文  参考訳（メタデータ） (2023-06-08T03:43:32Z)
• Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water Boundary Exploration [8.555466536537292]
  ローカライズ精度を高めるために,マルチセンサ融合フレームワークを提案する。 画像、ドップラー速度ログ(DVL)、慣性測定ユニット(IMU)、圧力センサーが統合されている。 提案手法は,凍結氷下のフィールドで収集したデータセットを用いて検証した。
  論文  参考訳（メタデータ） (2023-03-29T20:16:39Z)
• SHIFT: A Synthetic Driving Dataset for Continuous Multi-Task Domain Adaptation [152.60469768559878]
  ShiFTは、自動運転のための最大規模のマルチタスク合成データセットである。 曇り、雨と霧の強さ、昼の時間、車と歩行者の密度を個別に連続的に変化させる。 私たちのデータセットとベンチマークツールキットはwww.vis.xyz/shift.comで公開されています。
  論文  参考訳（メタデータ） (2022-06-16T17:59:52Z)

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。