論文の概要: Task-Aware Scanning Parameter Configuration for Robotic Inspection Using Vision Language Embeddings and Hyperdimensional Computing

• arxiv url: http://arxiv.org/abs/2605.03909v1
• Date: Tue, 05 May 2026 16:02:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:44.020797
• Title: Task-Aware Scanning Parameter Configuration for Robotic Inspection Using Vision Language Embeddings and Hyperdimensional Computing
• Title（参考訳）: 視覚言語埋め込みと超次元計算を用いたロボット検査のためのタスク対応走査パラメータ構成
• Authors: Zhiling Chen, David Gorsich, Matthew P. Castanier, Yang Zhang, Jiong Tang, Farhad Imani,
• Abstract要約: 産業プロファイラは、サンプリング周波数、測定範囲、露光時間、レシーバダイナミックレンジ、照明など、複数の結合パラメータを公開する。 ミスマッチは、下流では回復できない飽和、クリップング、または欠落したリターンを引き起こす可能性がある。 ロボット搭載プロファイラのキーパラメータに対して,事前スキャンされたRGB観察と自然言語検査の指導により,個別の構成を推定する。
• 参考スコア（独自算出の注目度）: 5.085534641738962
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic laser profiling is widely used for dimensional verification and surface inspection, yet measurement fidelity is often dominated by sensor configuration rather than robot motion. Industrial profilers expose multiple coupled parameters, including sampling frequency, measurement range, exposure time, receiver dynamic range, and illumination, that are still tuned by trial-and-error; mismatches can cause saturation, clipping, or missing returns that cannot be recovered downstream. We formulate instruction-conditioned sensing parameter recommendation; given a pre-scan RGB observation and a natural-language inspection instruction, infer a discrete configuration over key parameters of a robot-mounted profiler. To benchmark this problem, we develop Instruct-Obs2Param, a real-world multimodal dataset linking inspection intents and multi-view pose and illumination variation across 16 objects to canonical parameter regimes. We then propose ScanHD, a hyperdimensional computing framework that binds instruction and observation into a task-aware code and performs parameter-wise associative reasoning with compact memories, matching discrete scanner regimes while yielding stable, interpretable, low-latency decisions. On Instruct-Obs2Param, ScanHD achieves 92.7% average exact accuracy and 98.1% average Win@1 accuracy across the five parameters, with strong cross-split generalization and low-latency inference suitable for deployment, outperforming rule-based heuristics, conventional multimodal models, and multimodal large language models. This work enables autonomous, instruction-conditioned sensing configuration from task intent and scene context, eliminating manual tuning and elevating sensor configuration from a static setting to an adaptive decision variable.
• Abstract（参考訳）: ロボットレーザープロファイリングは次元的検証や表面検査に広く用いられているが、計測精度はロボットの動きよりもセンサー構成に支配されていることが多い。 インダストリアルプロファイラはサンプリング周波数、測定範囲、露光時間、レシーバダイナミックレンジ、照明などの複数のパラメータを公開しており、これはまだ試行錯誤によって調整されている。 ロボット搭載プロファイラのキーパラメータに対して,事前スキャンされたRGB観察と自然言語検査の指導により,個別の構成を推定する。 Instruct-Obs2Paramは、インスペクションインテントと16個のオブジェクトにまたがる多視点ポーズと照明の変動を関連づけた実世界のマルチモーダルデータセットである。 次に,ScanHDを提案する。命令と観測をタスク認識コードにバインドし,パラメータワイドな連想推論をコンパクトなメモリで実行し,離散スキャナ機構を一致させながら,安定かつ解釈可能な低レイテンシな決定を下す。 Instruct-Obs2Paramでは、ScanHDは5つのパラメータの平均精度92.7%、平均Win@1精度98.1%を達成する。 この作業は、タスク意図とシーンコンテキストからの自律的、命令条件付きセンシング構成を可能にし、手動のチューニングと、静的な設定から適応的な決定変数へのセンサ構成の上昇を除去する。

関連論文リスト

• Image-Conditioned Adaptive Parameter Tuning for Visual Odometry Frontends [21.343239924094764]
  資源に制約のある自律ロボットは、疎直かつ半直接的なビジュアル・オドメトリー(VO)パイプラインに依存している。 VOパラメータのオンラインチューニングのための最初の画像条件強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-23T10:26:25Z)
• RAMEN: Resolution-Adjustable Multimodal Encoder for Earth Observation [12.826798868837557]
  RAMENは解像度調整可能なマルチモーダルエンコーダで、EOデータ間で共有された視覚的表現を学習する。 多様な情報源から得られたマスク付きマルチモーダルEOデータを再構成する単一統一トランスフォーマーエンコーダを訓練する。 RAMENは、コミュニティ標準のPANGAEAベンチマークにおいて、より大きな最先端モデルを上回っている。
  論文  参考訳（メタデータ） (2025-12-04T17:40:17Z)
• A Physics Informed Machine Learning Framework for Optimal Sensor Placement and Parameter Estimation [0.0]
  本研究では,センサ配置とパラメータ推定を同時に行う,包括的なPINNベースのフレームワークを提案する。 その結果,本手法は直感的あるいはランダムに選択されたセンサ位置から推定したパラメータ値と比較して,常に高精度であることがわかった。
  論文  参考訳（メタデータ） (2025-11-19T15:37:17Z)
• Parameter Aware Mamba Model for Multi-task Dense Prediction [69.94454603308196]
  本稿では,マルチタスク学習環境における高密度予測に特化して設計された,新しいデコーダベースのフレームワーク Aware Mamba Model (PAMM) を紹介する。 タスク固有のパラメータを統合および設定し、各タスクの固有の特性をキャプチャする、二重状態空間パラメータの専門家を特徴とする。 マルチディレクショナル・ヒルベルト走査法を用いて多角特徴系列を構築し、2次元データに対するシーケンスモデルの知覚能力を向上する。
  論文  参考訳（メタデータ） (2025-11-18T13:48:00Z)
• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
  トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。 最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。 本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
  論文  参考訳（メタデータ） (2023-07-13T08:35:40Z)
• Sensitivity-Aware Visual Parameter-Efficient Fine-Tuning [91.5113227694443]
  私たちは新しいビジュアルを提案します。 Sensuous-Aware Fine-Tuning (SPT) スキーム。 SPTはタスク固有の重要な位置にトレーニング可能なパラメータを割り当てる。 ダウンストリーム認識タスクの幅広い実験により,SPTは既存のPEFT法と相補的であることが示された。
  論文  参考訳（メタデータ） (2023-03-15T12:34:24Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Robust calibration of multiparameter sensors via machine learning at the single-photon level [0.0]
  統合フォトニックデバイスの校正のためのニューラルネットワークに基づくアルゴリズムの応用を実証する。 適切なネットワークトレーニング戦略を慎重に選択することで,信頼性の高い評価が達成可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-15T14:22:47Z)

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。