ハイパーグラフコンピューティングとフォークリフトパレットのポジション推定のための知識強化フレームワーク

科学分野:

• コンピュータビジョン コンピュータビジョン
• ロボット工学 ロボット工学 ロボット工学
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• フォークリフトの自動運転は,密集した積み重ね,閉塞,変形する照明などの課題によって阻害され,ポジショニングの精度に影響を与えます.
• 倉庫での効率的な物資処理には,頑丈で正確なパレットの位置づけが必要です.

研究 の 目的:

• ハイパーグラフコンピューティングを使用して知識強化のフレームワークを開発し,複雑な産業環境で正確なパレットポーズ推定を行う.
• 自律的なフォークリフトの操作の頑丈性と効率性を向上させるため.

主な方法:

• パレットキーポイント間の高次元の空間的関係をモデル化するためにハイパーグラフ構造を利用し,幾何学的依存関係を捉えました.
• ドメインの知識と統合されたハイパーグラフコンピューティング,注意力融合と幾何学意識のキーポイント検出を備えたハイパーポーズアーキテクチャを使用しています.
• マハラノビス距離最適化を使用して不確実性制約ポーズ推定を実装しました.

主要な成果:

• 97.5%の検出と97.3%のキーポイントの位置づけの精度で高い精度を達成し,トポロジーを保存する剪定によりモデルのサイズを20.2MBに縮小しました.
• エッジコンピューティングプラットフォーム (NVIDIA Jetson Orin Nano) で72.1FPSでリアルタイムのパフォーマンスを実証しました.
• 低誤差率:角度誤差 <1.6°,距離誤差 <18mm.

結論:

• ハイパーグラフコンピューティングと知識強化フレームワークは,挑戦的な倉庫環境におけるパレットの位置推定のための堅牢なソリューションを提供します.
• このアプローチは,自動物流システムの信頼性を大幅に高めます.
• この研究は,産業用ビジョンシステムの新しいパラダイムを確立し,自律的な操作を改善します.