論文の概要: From 3D Perception to Safety Reasoning: A Graph-Based Framework for Real-Time Underground Mine Monitoring

• arxiv url: http://arxiv.org/abs/2606.03460v1
• Date: Tue, 02 Jun 2026 10:37:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.940977
• Title: From 3D Perception to Safety Reasoning: A Graph-Based Framework for Real-Time Underground Mine Monitoring
• Title（参考訳）: 3次元認識から安全推論へ:リアルタイム地中モニタリングのためのグラフベースのフレームワーク
• Authors: Pasindu Ranasinghe, Simit Raval, Dibyayan Patra, Bikram Banerjee, Ismet Canbulat,
• Abstract要約: 本稿では,カラー化した3次元点群を構造化・追跡可能な安全推論出力に変換する連続監視フレームワークを提案する。 このフレームワークは、3Dセマンティック認識、不確実性に基づく異常検出、ルールベースのハザードチェック、オンデバイスLSM推論、およびGraphRAGベースのメモリ分析を組み合わせる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underground coal mining requires personnel and heavy equipment to operate within shared, confined, and poorly illuminated spaces where hazards such as equipment proximity violations, structural instabilities, and occluded blind spots are difficult to anticipate. Conventional monitoring systems, including fixed cameras and rule-based proximity alerts, can detect predefined events but lack the 3D scene understanding and contextual memory needed to identify complex or evolving hazards. This paper presents a continuous monitoring framework that converts colourised 3D point clouds into structured and traceable safety reasoning outputs. The framework combines 3D semantic perception, uncertainty-based anomaly detection, rule-based hazard checks, on-device LLM reasoning, and GraphRAG -based memory analysis to identify immediate hazards and interpret longer-term safety patterns. Scene and temporal graphs serve as the explicit knowledge structure, linking perception outputs across reasoning stages. To overcome the scarcity of labeled underground data, real roadway scans, controlled object placement, and high-fidelity longwall simulation were combined to generate diverse hazard scenarios, while self-supervised pretraining improved segmentation from limited annotations. The perception model achieved 92.7% accuracy at 30 FPS with low memory usage. Across 115 hazard scenarios, rule-based checks achieved 57% coverage, increasing to 76% with contextual LLM reasoning and 93% with memory-based reasoning using historical records. Qualitative results show uncertainty-derived anomaly signals support the interpretation of out-of-distribution hazards beyond predefined classes. Overall, graph-based knowledge representation combined with 3D perception and layered safety reasoning provides a practical foundation for intelligent decision support in underground mine monitoring.
• Abstract（参考訳）: 地下の炭鉱では、人員と重機が、機器の近接違反、構造的不安定性、閉鎖された盲点などの危険を予測し難い、共有、閉じ込め、照明の不十分な空間内で運用する必要がある。 固定カメラやルールベースの近接警報を含む従来の監視システムは、事前に定義された事象を検出することができるが、複雑または進化するハザードを特定するために必要な3Dシーン理解とコンテキスト記憶が欠如している。 本稿では,カラー化した3次元点群を構造化・追跡可能な安全推論出力に変換する連続監視フレームワークを提案する。 このフレームワークは、3Dセマンティック認識、不確実性に基づく異常検出、ルールベースのハザードチェック、オンデバイスLCM推論、およびGraphRAGベースのメモリ分析を組み合わせて、即時ハザードを特定し、長期的な安全パターンを解釈する。 シーングラフと時間グラフは明示的な知識構造として機能し、推論段階にわたって知覚出力をリンクする。 ラベル付き地下データの不足を克服するため, 実道路スキャン, 制御対象配置, 高忠実度長壁シミュレーションを組み合わせ, 多様な危険シナリオを発生させた。 認識モデルは、メモリ使用量が少ない30FPSで92.7%の精度を達成した。 115件のハザードシナリオにおいて、ルールベースのチェックは57%のカバレッジを達成し、文脈的LCM推論では76%、履歴記録を用いたメモリベースの推論では93%に増加した。 定性的な結果から、不確実性に起因する異常信号は、事前に定義されたクラスを超えた分布外のハザードの解釈を支援する。 グラフに基づく知識表現と3次元認識と層状安全推論を組み合わせることで,地下地雷モニタリングにおける知的意思決定支援の実践的基盤を提供する。

関連論文リスト

• Conflict-Aware Active Perception and Control in 3D Gaussian Splatting Fields via Control Barrier Functions [0.0]
  ロボットシステムのための協調型能動的認識・制御フレームワークを開発した。 安全は、平均値-at-Risk AV@R衝突リスクメトリックから導かれる制御バリア関数(CBF)を用いて実施される。 認識を改善するために,カメラの向きを局所的な情報付加方向と整列する知覚障壁関数を提案する。
  論文  参考訳（メタデータ） (2026-05-19T23:51:23Z)
• HomeGuard: VLM-based Embodied Safeguard for Identifying Contextual Risk in Household Task [42.665798473119516]
  CG-CoT(Context-Guided Chain-of-Thought)を特徴とするアーキテクチャ非依存型セーフガードを提案する。 CG-CoTは、リスクアセスメントをアクティブな知覚に分解し、相互作用対象や関連する空間近傍への注意を順次固定する。 実験により、我々のモデルであるHomeGuardは安全性を大幅に向上し、ベースモデルと比較してリスクマッチ率を30%以上改善することが示された。
  論文  参考訳（メタデータ） (2026-03-15T13:09:43Z)
• Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
  LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。 既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。 我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T18:42:32Z)
• Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
  到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。 提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
  論文  参考訳（メタデータ） (2025-07-06T20:22:58Z)
• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• USC: Uncompromising Spatial Constraints for Safety-Oriented 3D Object Detectors in Autonomous Driving [7.355977594790584]
  自律運転における3次元物体検出器の安全性指向性能について考察する。 本稿では,単純だが重要な局所化要件を特徴付ける空間的制約 (USC) について述べる。 既存のモデルに対する安全性指向の微調整を可能にするために,定量的な測定値を共通損失関数に組み込む。
  論文  参考訳（メタデータ） (2022-09-21T14:03:08Z)
• GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
  本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。 本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
  論文  参考訳（メタデータ） (2022-07-06T06:26:17Z)
• Roof fall hazard detection with convolutional neural networks using transfer learning [0.0]
  地質条件による屋根の落下は、鉱業やトンネル業の主要な安全上の危険である。 この種の屋根の倒壊リスクに対する典型的なハザード管理手法は、視覚検査や専門家の知識に大きく依存している。 本研究では,高水平応力による屋根の落下危険度検出のための人工知能(AI)システムを提案する。
  論文  参考訳（メタデータ） (2020-11-12T17:16:36Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• Safety-Aware Hardening of 3D Object Detection Neural Network Systems [0.0]
  単一段パイプラインを用いた3次元物体検出のための最先端ニューラルネットワークの安全性について検討した。 この概念は、鳥の目視で物体の境界ボックスを点雲からの入力で生成する最先端のPIXOR検出器を拡張して詳述している。
  論文  参考訳（メタデータ） (2020-03-25T07:06:11Z)
• Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
  既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。 現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。 本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
  論文  参考訳（メタデータ） (2020-02-01T04:42:57Z)

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。