論文の概要: Design and Implementation of an Ultra-Low-Cost Wall-Climbing Robot for Infrastructure Crack Detection
- arxiv url: http://arxiv.org/abs/2609.26130v1
- Date: Fri, 07 Aug 2026 02:18:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.884929
- Title: Design and Implementation of an Ultra-Low-Cost Wall-Climbing Robot for Infrastructure Crack Detection
- Title（参考訳）: インフラストラクチャ・クラック検出のための極低コスト壁クライミングロボットの設計と実装
- Abstract要約: 本稿では,低コストで自動き裂検出ロボットを開発する。
CNN、EfficientNet-B0、YOLOv8を使ってコンクリート表面の亀裂を効率的に識別する。
当社のシステムは,25ドル(約2,300円)程度の費用で,リアルタイムインフラストラクチャ検査を行うための,スケーラブルで効率的な,アクセス可能なソリューションを提供します。
- 参考スコア（独自算出の注目度）: 1.5399429731150376
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Crack detection is a crucial process to ensure the safety and longevity of buildings and other infrastructure. In this paper, we developed a low-cost, automated crack detection robot that leverages CNN, EfficientNet-B0, and YOLOv8 for efficient identification of cracks in concrete surfaces with a curated crack image dataset introduced to support training and evaluation. YOLOv8's real-time object detection enhances crack localization, while CNN and EfficientNet-B0 provide binary classification, ensuring high precision and recall. The system consists of two stages. In the first stage, YOLOv8 detects and localizes wall regions from the video frame, and the bounding boxes are cropped. The second stage performs crack detection using one of three models by analyzing the cropped regions. Cost-effective approaches are also taken for robot design. The robot features a fan-based negative pressure adhesion system, a 4-wheeled skid-steering drive, and an ESP32-CAM for real-time image capture. Its lightweight 3D-printed chassis ensures stability, allowing it to navigate both walls and ceilings while capturing images for crack analysis. Unlike conventional wall-climbing robot designs, this robot incorporates a funnel-shaped body that enhances negative pressure generation and achieves a 44% reduction in duty cycle, significantly lowering power consumption. By combining low-cost hardware with a deep learning pipeline, our system provides a scalable, efficient, and accessible solution for real-time infrastructure inspection at an approximate total cost of $25, with a lightweight web application enabling smartphone-based control. This affordability makes the system more suitable for the developing world, where infrastructure inspection is often limited by budget constraints, labor intensity, and safety risks.
- Abstract（参考訳）: き裂検出は、建物やその他のインフラの安全性と寿命を確保するための重要なプロセスである。
本稿では,CNN,EfficientNet-B0,YOLOv8を併用して,コンクリート表面の亀裂を効率よく識別する,低コストで自動き裂検出ロボットを開発した。
YOLOv8のリアルタイムオブジェクト検出はクラックローカライゼーションを強化し、CNNとEfficientNet-B0はバイナリ分類を提供し、高い精度とリコールを保証する。
システムには2つのステージがある。
第1段階では、YOLOv8はビデオフレームから壁領域を検出し、ローカライズし、バウンディングボックスを収穫する。
第2段階は、収穫された領域を解析して、3つのモデルのうちの1つを用いてき裂検出を行う。
ロボット設計にも費用対効果のアプローチが取られている。
このロボットは、ファンベースの負圧接着システムと4輪のスキッドステアリングドライブと、リアルタイムの画像キャプチャ用のESP32-CAMを備えている。
軽量な3Dプリントのシャーシは安定性を確保し、壁と天井の両方をナビゲートし、ひび割れ解析のために画像をキャプチャする。
従来の壁を登るロボットとは違って、このロボットは、負圧発生を高め、デューティサイクルの44%の削減を実現し、消費電力を大幅に削減するファンネル形状のボディを組み込んでいる。
低コストのハードウェアとディープラーニングパイプラインを組み合わせることで、当社のシステムは、スマートフォンベースの制御が可能な軽量Webアプリケーションと、およそ25ドルのコストで、リアルタイムインフラストラクチャ検査のためのスケーラブルで効率的でアクセシブルなソリューションを提供する。
インフラ検査は予算の制約、労働力の強化、安全リスクによって制限されることが多い。
関連論文リスト
- TileNet: Tile-Based CNN-SVM Architecture for Autonomous Unmanned Aerial Systems Inspection of Flat Roofs [6.316693022958222]
本稿では,2高度空中通過中に撮影されたライブ画像を用いて,欠陥を自律的に検出する,UAS(Unmanned Aerial System)に基づくリアルタイムディープラーニングフレームワークを提案する。
このフレームワークはタイルベースのアーキテクチャと軽量な畳み込みニューラルネットワーク-Support Vector Machine(CNN-SVM)を統合している。
最終モデルを構成する5つの畳み込み層と4つの高密度層は、写真レベルの分割で平均テスト精度が94.4%$(95%$信頼区間$pm0.4%$3シード)に達した。
論文 参考訳（メタデータ） (2026-09-11T16:11:35Z) - RRTrack: Robust and Recoverable Object 6D Pose Tracking for Dynamic Scenes [55.15267980622371]
RRTrackは効率的で復元可能なオブジェクト6Dポーズトラッカーである。
高速な動きと目標の消光によるロバストな追跡を可能にする。
実験の結果、RRTrackはADD-S ARを66.3%改善し、ADD-S AUCを65.7%改善した。
論文 参考訳（メタデータ） (2026-07-26T14:05:46Z) - Search-based Robustness Testing of Laptop Refurbishing Robotic Software [2.006815233300537]
本稿では,オブジェクト検出モデルにおける障害を露呈する最小限の局所的摂動を探索ベースで検出するロバストネステスト手法 PROBEを提案する。
その結果, PROBE は乱数探索よりも 3$times$ から 7$times$ であることがわかった。
論文 参考訳（メタデータ） (2026-05-08T10:02:45Z) - Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。
VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。
3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
論文 参考訳（メタデータ） (2026-04-23T09:11:50Z) - Real-Time Structural Detection for Indoor Navigation from 3D LiDAR Using Bird's-Eye-View Images [0.0]
既存の3D手法は計算が禁じられているが、従来の2D幾何学的手法は頑丈さを欠いている。
本稿では,3次元LiDARデータを2D BirdのEye-View画像に投影し,マッピングとナビゲーションに関連する構造要素の効率的な検出を可能にするリアルタイムフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-20T10:15:49Z) - 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) - Vision-Based Adaptive Robotics for Autonomous Surface Crack Repair [0.0]
本研究は,手作業の削減,安全性の向上,保守作業の合理化などによる人間とロボットの相互作用の分野に寄与する。
先進的なセンシング技術を用いた表面き裂検出と修復のための適応型自律ロボットシステムを提案する。
論文 参考訳（メタデータ） (2024-07-23T22:46:21Z) - Robo3D: Towards Robust and Reliable 3D Perception against Corruptions [58.306694836881235]
我々は,3次元検出器とセグメンタのロバスト性を,アウト・オブ・ディストリビューションのシナリオで検証するための,最初の総合的なベンチマークであるRobo3Dを紹介する。
気象条件の悪化,外乱,センサの故障などに起因する8種類の汚職について検討した。
本稿では,モデルレジリエンスを高めるための簡易なフレキシブルなボキセル化戦略とともに,密度に敏感なトレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-30T17:59:17Z) - Detecting train driveshaft damages using accelerometer signals and
Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。
その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文 参考訳（メタデータ） (2022-11-15T15:04:06Z)
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。