PulseAugur
中
实时 07:05:21
English(EN) Semantically-Aware Diver Activity Recognition Framework for Effective Underwater Multi-Human-Robot Collaboration

新框架和数据集增强水下人机协作

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了DAR-Net，一个专为识别水下环境中的潜水员活动而设计的新型Transformer基础框架。该系统旨在通过理解潜水员的动作并确保安全，使自主水下航行器能够更好地与人类协作。DAR-Net采用语义引导学习方法，结合了时序推理和像素级场景监督，以提高准确性，尤其是在低能见度条件下。该团队还推出了首个水下潜水员活动（UDA）数据集，包含超过2600张标注图像，以解决该专业领域的**数据稀缺**问题。 AI

影响 增强了人工智能驱动的水下作业辅助和安全潜力，实现了更有效的人机协作。

排序理由 这是一篇描述特定AI应用新框架和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Junaed Sattar ·

    Semantically-Aware Diver Activity Recognition Framework for Effective Underwater Multi-Human-Robot Collaboration

    Effective multi-human-robot collaboration is essential for expanding human-led operations in the challenging and high-risk underwater environment. For autonomous underwater vehicles (AUVs) to become true teammates, they must be able to comprehend their surroundings and recognize …

相关话题