論文の概要: Equipment-centric workpiece localization in near real-time using deep learning-based vision and event-driven finite state machines

• arxiv url: http://arxiv.org/abs/2608.05744v1
• Date: Thu, 06 Aug 2026 08:27:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.854459
• Title: Equipment-centric workpiece localization in near real-time using deep learning-based vision and event-driven finite state machines
• Title（参考訳）: 深層学習型視覚とイベント駆動有限状態マシンを用いた近距離リアルタイム機器中心のワークピースローカライゼーション
• Abstract要約: ホット鍛造におけるトレーサビリティとプロセス調整には継続的ローカライゼーションが不可欠だが、ダイレクトトラッキングは信頼性が低い。 本研究では,2次元カメラで観測された機器の極端温度のため,機器中心の枠組みを提案する。
• 参考スコア（独自算出の注目度）: 0.28675177318965045
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Continuous workpiece localization is essential for traceability and process coordination in hot forging, but direct tracking is unreliable because of extreme temperatures, surface degradation, and irregular routing. This study presents an equipment-centric framework that infers workpiece locations from handling equipment observed by multiple static 2D cameras. The framework estimates floorplan-space 3D equipment coordinates and recognizes grasp and release activities. Event-driven finite state machines validate these activities as discrete handling events and continuously update workpiece states and locations. A keypoint-guided attention mechanism integrated into a 3D convolutional neural network improves activity recognition by focusing on functionally relevant equipment regions. Evaluation in an operational hot forging factory achieved 100\% event detection accuracy within a 33-second tolerance window, a mean localization error of 317.8 mm, and a mean system latency of 21 seconds. The framework connects vision-based perception with interpretable event-driven reasoning and supports visualization of workpiece transfers and quantitative analysis of equipment operations.
• Abstract（参考訳）: 熱間鍛造におけるトレーサビリティとプロセス調整には連続的なワークピースの局所化が不可欠であるが, 極低温, 表面劣化, 不規則なルーティングのため, 直接追跡は信頼性が低い。 本研究では,複数の静的2Dカメラで観測される機器の取扱いから作業現場を推定する装置中心のフレームワークを提案する。 このフレームワークは、フロアプラン空間の3D機器座標を推定し、把握および解放活動を認識する。 イベント駆動有限状態マシンは、これらのアクティビティを個別のハンドリングイベントとして検証し、ワークピース状態とロケーションを継続的に更新する。 3次元畳み込みニューラルネットワークに組み込まれたキーポイント誘導型アテンション機構は、機能的に関連する機器領域に着目して、活動認識を改善する。 運転用熱間鍛造工場での評価は33秒の耐久窓において100倍のイベント検出精度、平均局部誤差317.8mm、平均システム遅延21秒を達成した。 このフレームワークは、視覚に基づく知覚と解釈可能なイベント駆動推論を結びつけ、作業物の移動の可視化と機器操作の定量的分析をサポートする。

関連論文リスト

• MSACT: Multistage Spatial Alignment for Stable Low-Latency Fine Manipulation [4.439585594082787]
  実世界の微視的操作、特に双方向操作では、低レイテンシ制御と安定した視覚的位置決めが必要となる。 ACTのようなアクションチャンキングポリシーは、低レイテンシの実行とデータ効率を可能にするが、空間的一貫性を明示することなく、密集した視覚的特徴に依存している。 安定な2次元アテンションポイントを抽出し,時間的アライメントロスを伴う将来のアテンションシーケンスを共同で予測する多段階空間アテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2026-05-01T07:35:15Z)
• Near-Field Perception for Safety Enhancement of Autonomous Mobile Robots in Manufacturing Environments [1.4627307351436138]
  本稿では,自律移動ロボットのための3層近接場認識フレームワークを提案する。 最初のアプローチでは光の不連続検出を採用し、近距離領域にレーザーストライプを投射する。 第2のアプローチでは、光変位測定を用いて物体の高さを推定する。 第3のアプローチでは、組み込みAIハードウェア上のコンピュータビジョンに基づくオブジェクト検出モデルを使用してオブジェクトを分類する。
  論文  参考訳（メタデータ） (2025-12-15T17:18:04Z)
• STORM: Segment, Track, and Object Re-Localization from a Single 3D Model [35.39496117133769]
  STORMはオープンソースの堅牢なリアルタイム6Dポーズ推定システムで、手動のアノテーションを必要としない。 STORMは、視覚監督型理解と自己言語機能マッチングを組み合わせた、新しい3段階パイプラインを採用している。
  論文  参考訳（メタデータ） (2025-11-12T22:06:51Z)
• Real-Time Detection and Tracking of Foreign Object Intrusions in Power Systems via Feature-Based Edge Intelligence [4.60587070358843]
  本稿では,電力伝送システムにおけるリアルタイム異物侵入(FOI)検出と追跡のための新しい枠組みを提案する。 本フレームワークは,(1)高速で堅牢なオブジェクトローカライゼーションのためのYOLOv7セグメンテーションモデル,(2)三重項損失を訓練したConvNeXtベースの特徴抽出器,(3)特徴支援IoUトラッカーを統合した。 スケーラブルなフィールドデプロイメントを実現するため、パイプラインは、混合精度推論を使用して、低コストのエッジハードウェアへのデプロイメントに最適化されている。
  論文  参考訳（メタデータ） (2025-09-16T17:17:03Z)
• Wandering around: A bioinspired approach to visual attention through object motion sensitivity [40.966228784674115]
  アクティブビジョンは動的視覚認識を可能にし、コンピュータビジョンにおける静的フィードフォワードアーキテクチャの代替を提供する。 哺乳類の網膜に触発されたイベントベースのカメラは、非同期シーンの変化を捉えてこの機能を強化する。 イベントベースのカメラが動いている間、移動物体を識別するためには、エージェントは物体の動きのセグメンテーション機構を必要とする。 本研究は、物体の運動感度を介して選択的注意を喚起するための、畳み込みニューラルネットワークバイオインスパイアされた注意システムを提案する。
  論文  参考訳（メタデータ） (2025-02-10T18:16:30Z)
• Towards Flexible 3D Perception: Object-Centric Occupancy Completion Augments 3D Object Detection [54.78470057491049]
  占領は3Dシーンの知覚に有望な代替手段として現れてきた。 オブジェクトbboxのサプリメントとして,オブジェクト中心の占有率を導入する。 これらの特徴は,最先端の3Dオブジェクト検出器の検出結果を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2024-12-06T16:12:38Z)
• Cross-Cluster Shifting for Efficient and Effective 3D Object Detection in Autonomous Driving [69.20604395205248]
  本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。 我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。 我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
  論文  参考訳（メタデータ） (2024-03-10T10:36:32Z)
• Recurrent Vision Transformers for Object Detection with Event Cameras [62.27246562304705]
  本稿では,イベントカメラを用いた物体検出のための新しいバックボーンであるリカレントビジョントランス (RVT) を提案する。 RVTは、イベントベースのオブジェクト検出で最先端のパフォーマンスに到達するために、ゼロからトレーニングすることができる。 私たちの研究は、イベントベースのビジョンを超えた研究に役立ち得る効果的なデザイン選択に、新たな洞察をもたらします。
  論文  参考訳（メタデータ） (2022-12-11T20:28:59Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• Analysis of voxel-based 3D object detection methods efficiency for real-time embedded systems [93.73198973454944]
  本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。 実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。 この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
  論文  参考訳（メタデータ） (2021-05-21T12:40:59Z)
• 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。