Projects | Ranulfo Bezerra

機械学習による建設車両の相互作用の最適化

Wed, 27 Apr 2016 00:00:00 +0000

土工作業の領域では、自律走行するダンプトラックと人間が操作するバックホウとの相互作用が、効率的で安全な作業にとって重要である。最近の研究では、機械学習技術、特にベータプロセス隠れマルコフモデル（BP-HMM）を活用して、バックホウの積載時間をインテリジェントに予測することに焦点が当てられている。ある研究では、時系列データからいくつかの原始的な動作の遷移を自動的に識別するBP-HMMベースの予測手法を開発し、驚異的な100%の精度を達成した。このアルゴリズムは、オペレーターとバックホウの組み合わせやセンサーのレイアウトの違いによる予測モデルのロバスト性を高めています。別の研究では、バックホーから時系列データを収集するために6軸IMUセンサを使用し、特定のオペレータ行動をモデル化するためにBP-HMMを採用した。このモデルは、最大100%の確率で積み込みの瞬間を予測することができ、ダンプトラックのアイドル時間とリスクを大幅に削減した。これらの進歩は、建設車両の自動化と安全性に大きく貢献し、自律型機械と人間が操作する機械のシームレスな連携を可能にする。

。 </rawhtml

世界ロボットサミットで防災に挑戦

Wed, 27 Apr 2016 00:00:00 +0000

世界ロボットサミット2020の防災チャレンジで、マルチモーダルロボットチームが優秀な成績を収めた。この記事では、産業プラントの点検を自動化するために開発された、追跡車、メカ車輪車、無人航空機（UAV）で構成される革新的なシステムを紹介する。2人のオペレーターがチームを効率的に管理し、作業関連タスクと目視検査タスクに集中する。追跡車は困難な機械的作業を得意とし、メカナム車は狭い通路での迅速な目視検査を行い、UAVは迅速な空中評価を行う。また、作業関連タスクの高い完了率（57％）、目視検査（85％）、緊急対応（92％）など、コンペティションの最終ラウンドにおけるチームの目覚ましいパフォーマンス指標についても説明する。

疎なモバイルプローブデータからの知識獲得

Wed, 27 Apr 2016 00:00:00 +0000

スパース移動プローブデータからの知識獲得」プロジェクトは、都市環境における自律走行システム（ADS）が直面する課題を、相互に関連する3つのタスクを通じて解決します。1つ目のタスクは、より安全なナビゲーションのために歩行者の軌跡解析を改善することです。2つ目のタスクは、異なるエリアにおける車両の挙動変化の原因を特定し、より適応的で応答性の高いADSのための洞察を提供します。3つ目のタスクは、運転ログデータを用いて交通領域を認識し、視覚情報がない場合でもナビゲーション能力を向上させるものです。これらの技術を統合することで、ADSは環境を包括的に理解し、複雑な都市環境におけるより良い意思決定と安全なナビゲーションにつなげることができます。このプロジェクトは、自律走行技術の限界を克服し、社会的信頼を築くことを目的としています。

変形可能な生産のための自動化

Wed, 27 Apr 2016 00:00:00 +0000

ファッション産業が、急速に進化するトレンドに対応するためにオンデマンド注文へとシフトする中、トランスフォーマブル生産は、パーソナライズされた衣服製造のための重要なアプローチとして浮上している。我々のプロジェクトは、より効率的で適応性の高い生産プロセスのために、静止型ロボットと移動型ロボットの両方を活用し、トランスフォーマブル生産環境におけるタスク割り当てと経路探索を最適化することを目的としている。