論文の概要: Anomalous Frame Detection by Grouping Frame Similarities between Two Videos Computed by Vision-Language Model to Extract Expert Workers' Unique Actions

• arxiv url: http://arxiv.org/abs/2607.10598v1
• Date: Sun, 12 Jul 2026 06:30:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.477802
• Title: Anomalous Frame Detection by Grouping Frame Similarities between Two Videos Computed by Vision-Language Model to Extract Expert Workers' Unique Actions
• Title（参考訳）: 視覚言語モデルにより計算された2つのビデオ間のフレーム類似度をグループ化して専門家の特異な動作を抽出する異常フレーム検出
• Authors: Ryo Sakai, Yongpeng Cao, Nobutaka Kimura,
• Abstract要約: 鉄道や発電所などの重要なインフラの整備は、運用上の安全性と信頼性に不可欠である。 従来の面接ベースのアプローチは、メンテナンススキルを引き出すために使われてきたが、専門家自身が意識的に認識できないノウハウを捉えるのに苦労している。 本稿では,手動作業の映像と熟練保守作業員の映像を比較し,ノウハウを含む候補行動の異常フレームを検出する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Maintenance of critical infrastructures, such as railways and power plants, is essential for operational safety and reliability. However, the declining number of skilled maintenance workers poses a serious challenge to sustaining these operations, highlighting the need to effectively transfer expert know-how to less experienced workers. Although traditional interview-based approaches have been used to elicit maintenance skills, they struggle to capture know-how that experts themselves may not consciously recognize. To address this gap, we proposed a method that detects anomalous frames of candidate actions including know-how by comparing a video of manual-based work with that of expert maintenance workers. In a simulated maintenance experiment involving a distribution board, our method targeted 11 types of actions not described in the manual and achieved a 66.9% extraction rate, marking a 50-percentage-point improvement over conventional techniques. These findings underscore the effectiveness of our approach in revealing hidden maintenance knowledge, thereby contributing to enhanced skill transfer and workforce development in critical infrastructure maintenance.
• Abstract（参考訳）: 鉄道や発電所などの重要なインフラの整備は、運用上の安全性と信頼性に不可欠である。 しかし、熟練保守作業員の減少は、これらの作業を維持する上で深刻な課題となり、経験の浅い作業員に専門家のノウハウを効果的に移す必要性が浮き彫りになっている。 従来の面接ベースのアプローチはメンテナンススキルを引き出すのに使われてきたが、専門家自身が意識的に認識できないノウハウを捉えるのに苦労している。 このギャップに対処するために,手作業の映像と専門家保守作業員の映像を比較し,ノウハウを含む候補行動の異常フレームを検出する手法を提案した。 配電盤を用いた模擬保守実験では,手作業で記述されていない11種類の動作を対象とし,66.9%の抽出率を達成し,従来の手法に比べて50%改善した。 これらの知見は,隠れた保守知識を明らかにする上でのアプローチの有効性を裏付けるものであり,重要なインフラ整備における技術移転と労働力育成に寄与する。

関連論文リスト

• SkillAudit: From Fixed-Suite Benchmarking to Skill-Centered Assessment [10.850946672552277]
  スキル中心アセスメントのためのエンドツーエンドフレームワークであるSkillAuditを紹介します。 実用性、効率/コスト、安全性にまたがる包括的多次元評価レポートを生成する。 トップランクの現実世界のスキルパッケージをスキャンした結果、スキルの7%以上が危険な状態にあることがわかった。
  論文  参考訳（メタデータ） (2026-06-21T17:40:05Z)
• A Framework for Evaluating Agentic Skills at Scale [0.4509560087514856]
  エージェントスキルは構造化され、エージェント能力を増強する再利用可能な知識アーティファクトである。 個々のスキルを評価するための再利用可能な方法論は存在しない。 本稿では,スキルライターが現実的なタスクを構築できる評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-16T11:46:56Z)
• SkillAudit: Ground-Truth-Free Skill Evolution via Paired Trajectory Auditing [81.51044612408793]
  SkillAuditは、地味なフィードバックなしにエージェントスキルを進化させるフレームワークである。 行動の違いを編集指導に変換するために、SkillAuditはProcess-Aligned Contrastive Evaluationを使用する。 Refineはノイズや無関係なガイダンスを広く有用なスキルから取り除き、修復はタスクと競合するパスを置き換える。
  論文  参考訳（メタデータ） (2026-06-12T08:20:09Z)
• Steering MoE LLMs via Expert (De)Activation [118.23403783503026]
  LLM(Large Language Models)におけるMixture-of-Experts (MoE)は、各トークンを専用のFeed-Forward Networks (FFN)のサブセットを介してルーティングする。 我々は,行動関連の専門家を検知し,制御することで,MoEモデルをステアリングするフレームワークであるSteerMoEを提案する。
  論文  参考訳（メタデータ） (2025-09-11T17:55:09Z)
• Advancing Embodied Agent Security: From Safety Benchmarks to Input Moderation [52.83870601473094]
  エンボディード・エージェントは、複数のドメインにまたがって大きな潜在能力を示す。 既存の研究は主に、一般的な大言語モデルのセキュリティに重点を置いている。 本稿では, エンボディエージェントの保護を目的とした新しい入力モデレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-22T08:34:35Z)
• SMOSE: Sparse Mixture of Shallow Experts for Interpretable Reinforcement Learning in Continuous Control Tasks [6.408395876568997]
  SMOSEは、疎活性化された解釈可能なコントローラを訓練する新しい方法である。 さまざまな基本的なスキルのエキスパートになるように訓練された解釈可能な意思決定者と、専門家にタスクを割り当てる解釈可能なルータを組み合わせたものだ。 次に、ルータの重みから決定木を蒸留し、解釈の容易さを大幅に改善する。
  論文  参考訳（メタデータ） (2024-12-17T16:15:04Z)
• Principled Bayesian Optimisation in Collaboration with Human Experts [23.988732776208053]
  専門家がバイナリ・アセプション/リジェクト・レコメンデーション(ラベル)を通じてアドバイスを提供するセットアップを検討する。 専門家のラベルは費用がかかることが多く、その努力を効率的に利用する必要がある。 2つの重要な保証を提供する、最初の原則付きアプローチを導入します。
  論文  参考訳（メタデータ） (2024-10-14T12:46:02Z)
• Learning from Pixels with Expert Observations [0.0]
  本稿では,ロボット操作作業における専門的な観察から学ぶための新しいアプローチを提案する。 具体的には、目標条件付きRLエージェントの中間的視覚目標として専門家観測を用いる。 シミュレーションにおける5つのブロック構築課題において,本手法の有効性を実証し,2つの最先端エージェントと組み合わせることで,その性能を著しく向上させることができることを示した。
  論文  参考訳（メタデータ） (2023-06-24T05:57:05Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)

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。