論文の概要: ART of PIV: Agentic Real-Time Particle Image Velocimetry for Active Flow Control

• arxiv url: http://arxiv.org/abs/2610.41304v1
• Date: Fri, 30 Oct 2026 06:04:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.628597
• Title: ART of PIV: Agentic Real-Time Particle Image Velocimetry for Active Flow Control
• Title（参考訳）: PIVのART:アクティブフロー制御のためのエージェントリアルタイム粒子画像速度測定
• Abstract要約: 粒子画像速度測定(PIV)はトレーサー粒子の画像から流体の動きを測定する。 リアルタイム制御のためのフィードバックを提供し、測定は正確かつ高速でなければならない。 我々は、イメージペアごとにパイプライン選択を自動化するPIVのART(Agentic Real-Timeの略)を紹介します。
• 参考スコア（独自算出の注目度）: 3.861027231915605
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Particle image velocimetry (PIV) measures fluid motion from images of tracer particles, but its accuracy depends on choices throughout the estimation pipeline, including image preprocessing, flow estimation, and postprocessing. These choices are typically left to expert tuning, and a fixed configuration can become less accurate as conditions change. This matters especially when PIV supplies feedback for real-time control, where measurements must be both accurate and fast, and flow conditions vary. We introduce ART of PIV -- short for Agentic Real-Time and also a nod to the art of tuning a PIV pipeline -- which automates pipeline choice for each image pair. A learned agent selects a configuration according to a chosen measurement objective from a library assembled for a specified speed budget. Across cross-correlation, classical optical-flow, and learning-based estimators, ART of PIV reduces average end-point error (AEPE) by 12.2-22.4 % relative to the best single estimator at matched speed, with gains extending to 1000-4000 image pair/s. In a simulated local velocity regulation task, it reduces mean normalized closed-loop cost by 13.24-13.59 percentage points relative to a tuned fixed estimator, with the same classical controller in both cases. In a tabletop water channel, we illustrate two ways to tune ART of PIV for a fluidic pinball of three rotating cylinders: selecting between complementary optical-flow tunings for accuracy, and selecting regions of interest with coherent rotation or shear using a common flow estimator. For the first variant, we train a DreamerV3 reinforcement learning controller directly in the physical world and demonstrate tracking of a prescribed flow field in the wake of a fluidic pinball.
• Abstract（参考訳）: 粒子画像速度測定(PIV)はトレーサー粒子の画像から流体の動きを測定するが、その精度は画像前処理、フロー推定、後処理を含む推定パイプライン全体の選択に依存する。 これらの選択は通常、専門家のチューニングに委ねられ、条件が変わるにつれて、固定された構成がより正確になる。 特に、PIVがリアルタイム制御のためのフィードバックを提供する場合、計測は正確かつ高速でなければならない。 我々は、Agenic Real-Timeの略であるPIVのARTを紹介し、また、PIVパイプラインのチューニング技術への注力として、各イメージペアのパイプライン選択を自動化する。 学習エージェントは、所定の速度予算のために組み立てられたライブラリから、選択された測定目標に応じて構成を選択する。 PIVのARTは、クロスコリレーション、古典的な光フロー、学習ベースの推定器の他、一致した速度で最高の単一推定器と比較して平均終点誤差(AEPE)を12.2-22.4 %削減し、1000-4000イメージ対/秒まで上昇する。 模擬局所速度制御タスクでは、調整された固定推定器と比較して平均正規化された閉ループコストを13.24-13.59ポイント削減し、どちらの場合も古典的な制御器と同じである。 卓上水流路では,3つの回転円柱を有する流体状ピンボールに対して,PIVのARTを正確に調整するための相補的光フローチューニングの選択と,コヒーレント回転やせん断による関心領域の選択の2つの方法を説明する。 第1変種では、物理世界で直接DreamerV3強化学習コントローラを訓練し、流体ピンボールの後に所定の流れ場を追跡することを実証する。

関連論文リスト

• Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
  イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。 本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。 公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
  論文  参考訳（メタデータ） (2026-08-25T08:27:42Z)
• FlowPilot: Real-Time World-Action Modeling for Agile UAV Navigation [18.092834753587454]
  FlowPilotは、UAVナビゲーションを深度からリアルタイムに行うための、コンパクトなワールドアクションモデルである。 デュアルストリーム・オブ・トランスフォーマーは、ビデオとアクションの専門家を共通の注意で結合し、将来的な予測と軌跡生成を相互に通知する。
  論文  参考訳（メタデータ） (2026-08-01T12:43:31Z)
• Particle Image Velocimetry Refinement via Consensus ADMM [1.4268442841833953]
  粒子画像速度計 (Particle Image Velocimetry, PIV) は、流体に浸漬された中性浮動性トレーサ粒子の変位を分析することにより、ブラフ体周りの流れ場を定量化するイメージング技術である。 従来のPIVアプローチは一般的に、撮像装置に特有のチューニングパラメータに依存しており、照明、流れ条件、発芽密度の変動に敏感である。 本研究では,複数アルゴリズムによる瞬時フロー定量化を並列化し,乗算器の交互方向法に基づくコンセンサス・フレームワークを採用する。
  論文  参考訳（メタデータ） (2025-12-12T16:20:04Z)
• Spike Imaging Velocimetry: Dense Motion Estimation of Fluids Using Spike Cameras [84.58138852280813]
  本研究では、粒子画像速度測定(PIV)におけるスパイクカメラ(超高速・高ダイナミックレンジカメラの一種)の膨大なポテンシャルについて検討する。 本研究では,高乱流・複雑な流れ場に特化して設計された深層学習フレームワークSpike Imaging Velocimetry (SIV)を提案する。 本稿では,スパイクに基づくPIVデータセットであるParticle Scenes with Spike and Displacement (PSSD)を提案する。
  論文  参考訳（メタデータ） (2025-04-26T09:14:45Z)
• Universal Online Temporal Calibration for Optimization-based Visual-Inertial Navigation Systems [13.416013522770905]
  最適化に基づくビジュアル慣性ナビゲーションシステムのための汎用的なオンライン時間的キャリブレーション戦略を提案する。 我々は、最適化残差モデルにおいて、タイムオフセットtdを状態パラメータとして使用し、IMU状態を対応する画像のタイムスタンプに整列させる。 我々のアプローチは、特にノイズの多いセンサデータの存在下で、より正確な時間オフセット推定とより高速な収束を提供する。
  論文  参考訳（メタデータ） (2025-01-03T12:41:25Z)
• ICP-Flow: LiDAR Scene Flow Estimation with ICP [2.9290232815049926]
  シーンフローは、近くの時間ステップで自動運転車が捉えた2つのLiDARスキャン間の3D運動を特徴付ける。 我々は,学習不要なフロー推定器であるICP-Flowを提案し,オブジェクトをスキャン上で関連付け,局所的な剛性変換を推定する。 教師付きモデルを含む最先端のベースラインをデータセット上で上回り、Argoverse-v2とnuScenesで競合的に実行します。
  論文  参考訳（メタデータ） (2024-02-27T09:41:59Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)
• SCFlow: Optical Flow Estimation for Spiking Camera [50.770803466875364]
  スパイキングカメラは、特に高速シーンのモーション推定において、現実の応用において大きな可能性を秘めている。 光フロー推定は画像ベースおよびイベントベースの視覚において顕著な成功を収めているが、既存の手法はスパイクカメラからのスパイクストリームに直接適用することはできない。 本稿では、スパイキングカメラのための光フロー推定のための新しいディープラーニングパイプラインSCFlowについて述べる。
  論文  参考訳（メタデータ） (2021-10-08T06:16:45Z)

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。