previous | Ranulfo Bezerra

Disaster Prevention Challenge on World Robot Summit

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

In a noteworthy achievement, a multi-modal robot team excelled in the Disaster Prevention Challenge during the World Robot Summit 2020. This post delves into the innovative system developed to automate industrial plant inspections, comprised of a tracked vehicle, a mecanum-wheeled vehicle, and an unmanned aerial vehicle (UAV). Two operators efficiently manage the team, focusing on work-related and visual inspection tasks. The post will highlight experimental results, showcasing each robot type’s specialized capabilities: the tracked vehicle excels in challenging mechanical tasks, the mecanum-wheeled vehicle performs rapid visual inspections in narrow passages, and the UAV offers quick aerial assessments. The team’s remarkable performance metrics in the competition’s final round will also be discussed, including high completion rates in work-related tasks (57%), visual inspections (85%), and emergency responses (92%).

Knowledge Acquisition from Sparse Mobile Probe Data

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

The “Knowledge Acquisition from Sparse Mobile Probe Data” project addresses challenges faced by autonomous driving systems (ADSs) in urban environments through three interconnected tasks. The first task improves pedestrian trajectory analysis for safer navigation. The second task identifies causes of vehicle behavior changes in different areas, providing insights for more adaptive and responsive ADSs. The third task recognizes traffic regions using driving log data, enhancing navigation capabilities even without visual information. By integrating these techniques, ADSs gain a comprehensive understanding of their environment, leading to better decision-making and safer navigation in complex urban settings. This project aims to overcome current limitations in autonomous driving technology and build public trust.

Optimizing Construction Vehicle Interaction with Machine Learning

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

In the realm of earthmoving work, the interaction between autonomous dump trucks and human-operated backhoes is critical for efficient and safe operations. Recent studies have focused on leveraging machine learning techniques, particularly the Beta-Process Hidden Markov Model (BP-HMM), to intelligently predict backhoe loading times. One study developed a BP-HMM-based prediction method that automatically identifies the transition of several primitive motions from time-series data, achieving a remarkable 100% accuracy rate. This algorithm enhances the robustness of prediction models across different operator-backhoe combinations and sensor layouts. Another study used 6-axis IMU sensors to collect time-series data from backhoes, and employed BP-HMM to model specific operator behaviors. The model was able to predict the loading instant with up to 100% probability, significantly reducing idle time and risk for dump trucks. These advancements contribute significantly to the automation and safety of construction vehicles, enabling seamless cooperation between autonomous and human-operated machinery.

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。

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

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。