Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Chemist Eye : un système basé sur un modèle de langage visuel pour la surveillance de la sécurité et la prise de décision des robots dans les laboratoires autonomes

Created by
  • Haebom

Auteur

Francisco Munguia-Galeano, Zhengxue Zhou, Satheeshkumar Veeramani, Hatem Fakhruldeen, Louis Longley, Rob Clowes, Andrew I. Cooper

Contour

L'intégration de la robotique et des technologies d'automatisation dans les laboratoires de conduite autonome (LCA) peut poser des défis de sécurité supplémentaires par rapport aux laboratoires traditionnels. Cet article présente Chemist Eye, un système de surveillance de sécurité distribué conçu pour améliorer la connaissance situationnelle dans les LCA. Chemist Eye intègre plusieurs stations équipées de caméras RVB, de profondeur et infrarouges pour surveiller les incidents, la conformité des EPI et les risques d'incendie. Grâce à un modèle de langage visuel (MLV), il détecte les dangers potentiels, éloigne le robot mobile de la zone dangereuse, déclenche une alarme et informe immédiatement le personnel du laboratoire si nécessaire. Les tests en environnement LCA réel ont démontré des performances de détection des risques de sécurité et de prise de décision de respectivement 97 % et 95 %.

Takeaways, Limitations

•
Takeaways:
◦
Un nouveau système est présenté pour répondre aux problèmes de sécurité dans les laboratoires de conduite autonome.
◦
Mise en œuvre d’un système efficace de surveillance et de réponse en matière de sécurité à l’aide de modèles en langage visuel.
◦
Performances validées en matière de détection des risques et de prise de décision de haute précision.
◦
Contribue à prévenir les accidents de sécurité grâce à une surveillance en temps réel et une réponse rapide.
•
Limitations:
◦
Des tests supplémentaires sont nécessaires pour diverses situations et exceptions dans des environnements réels.
◦
En raison de la forte dépendance aux performances du VLM, les limitations du VLM peuvent affecter les performances du système.
◦
Difficultés potentielles de maintenance et de gestion en raison de la complexité du système.
◦
Des recherches supplémentaires sont nécessaires pour déterminer l’applicabilité et la généralisabilité à divers types de systèmes de laboratoire et robotiques.
👍
Made with Slashpage