Kichwa

Kichwa cha chapisho la Kituruki: Mfumo wa AI wa Kineuro-Alama wa Kikaniti Unaotumia Anoteshini kwa Ufanisi kwa Segmentesheni ya Wingu la Nukta kwa Mifano Michache ya Taka za Ujenzi na Ubomoaji

Kichwa asilia: An annotation-efficient Kantian neuro-symbolic AI framework for few-shot point cloud segmentation of construction and demolition waste

Waandishi: Majina ya waandishi hayapo katika PDF ya preprint iliyopakiwa. Kwa kuwa hayakuweza kuthibitishwa kupitia rekodi rasmi ya bibliografia inayoaminika, majina ya waandishi hayajakisiwa.

Muhtasari Mfupi

Kantian Neuro-Symbolic Perception System (KNS-PS), ni mfumo mseto wa AI wa kineuro-alama unaochanganya mtandao wa neva wa grafu, prior za kimwili/kijiometri na uthibitishaji wa Human-in-the-Loop ili kufanya segmentesheni ya kisemantiki ya mawingu ya nukta ya taka za ujenzi na ubomoaji (Construction and Demolition Waste, CDW) kwa kutumia idadi ndogo ya lebo za binadamu. Utafiti unadai kwamba tabaka za Kikaniti za “hisia, ufahamu na apperception” hazikuachwa kuwa mifano ya kifalsafa tu; badala yake zimebadilishwa kuwa vipengele mahsusi vya kihesabu kama vipengele vya wingu la nukta, grafu ya self-loop-free k-nearest-neighbor, mtandao wa dual-head EdgeConv, hasara zinazoweza kutofautishwa za color-reality na structural-relation, curriculum self-training inayotegemea kiwango cha kujiamini, human anchor freezing na mode-collapse brake.

Tatizo kuu la utafiti ni kwamba kuweka lebo kwa mkono kwa kila nukta katika mandhari changamano za vifusi vya ubomoaji ni ghali, na mitandao ya 3B inayotegemea data pekee inaweza kutoa segmentesheni zisizolingana kimwili katika nyenzo kama mabomba, nondo, matofali na zege ambazo zimechanganyika au zimefunikwa kwa kiasi. Chanzo hutumia usemi “geometric and semantic hallucinations” kwa makosa haya. Hapa “hallucination” haimaanishi modeli zalishi ya lugha kutunga maandishi; humaanisha ugawaji wa madarasa usio na ulinganifu wa kimwili katika wingu la nukta, kwa mfano bomba lililovunjika kupotea ndani ya zege au kutoweza kuhifadhi uadilifu wa kitu kilichofunikwa.

Moja ya matokeo muhimu zaidi ya kimetodolojia ya utafiti yanahusu itifaki ya tathmini. Wakati mgawanyo wa nukta kwa nasibu na njia za nafasi zinapotumiwa pamoja, mtandao unaweza kufanya interpolesheni ya lebo ya anga kutoka kwa nukta jirani bila kutambua nyenzo halisi. Modeli msingi ya DGCNN ambayo %90 ya taarifa yake ya rangi imeharibiwa bado ilifikia 0,839 mean Intersection over Union (mIoU) chini ya itifaki hii. Kwa sababu hiyo, watafiti walihamisha tathmini kuu hadi muundo wa 4 × 4 spatial block-holdout, wakatenganisha vitalu vya majaribio kimaeneo na wakaondoa njia za ingizo za nafasi kama xyz/urefu uliosanifishwa.

Katika marudio sita yaliyooanishwa, kwa mojawapo ya usanidi bora wa jumla, core+community, wastani wa mIoU ulikuwa 0,550 ± 0,038, huku modeli msingi isiyo na kanuni ikiwa 0,499 ± 0,088. Ingawa tofauti ya wastani ya +5,1 pointi ilikuwa chanya katika marudio matano kati ya matano, haikufikia umuhimu wa kitakwimu kwa paired \(t=1,37\). Badala yake, utafiti unaripoti kuwa variance kutoka run moja hadi nyingine ilibana mara 5,2 na run mbaya zaidi iliongezeka kutoka 0,333 hadi 0,495. Kwa hiyo, chanzo kinafafanua mchango mkuu wa kiasi wa mfumo si kama “kuongeza usahihi wa wastani kwa njia iliyothibitishwa”, bali kama kukandamiza run zenye utendaji wa chini wa kikatastrofi na kuweka mipaka kwa tabia ya worst-case.

Katika ulinganisho wa anoteshini wa Human-in-the-Loop, uwekaji lebo mnene kwa mkono wa mandhari yenye nukta 237.560 ulihitaji dakika 266 za muda wa mtaalamu, ilhali mtiririko wa kazi wa KNS-PS ulihitaji dakika 37 za mwingiliano wa mtaalamu; chanzo kinahesabu hili kama punguzo la %86,1. Hata hivyo, takriban dakika 9 za muda wa mashine usiosimamiwa kwa duru tatu za curriculum self-training hazikujumuishwa katika hesabu hii ya muda wa mtaalamu. Kwa hiyo, thamani ya %86,1 si “kupungua kwa %86,1 kwa muda wa jumla wa kompyuta”.

Katika hatua ya mwisho ya utafiti, moduli ya reverse schematism hubadilisha lebo za nukta za kisemantiki zilizothibitishwa na binadamu kuwa solidi za kijiometri za parametriki na watertight. Vipengele vya bomba na nondo hujengwa upya kama silinda, matofali kwa moduli za kawaida na violezo vya bond-pattern, na makundi ya zege kwa kutumia adaptive alpha-shape. Katika mandhari halisi yenye nukta 195.569, backend ya adaptive alpha-shape ilitengeneza vipengele vyote saba kati ya saba vikiwa watertight, huku Poisson reconstruction ikifunga vipengele vinne pekee kwa watertight.

Upeo wa matokeo haya ni mdogo. Madai ya kiasi ya segmentesheni yanategemea mandhari moja tu; darasa la pipe halikujumuishwa katika matokeo ya kiasi ya block-holdout; usanidi wa kanuni ulichaguliwa na kutathminiwa katika mandhari hiyo hiyo; baadhi ya meta-parameta ziliwekwa kwa mkono, na color-reality prior huharibika chini ya upotevu mkubwa wa vumbi/rangi. Ubomoaji wa roboti, utekelezaji wa kimwili wa ROS 2/MoveIt 2 na mzunguko wa apperception wa uwanja halisi unaotegemea XR si matokeo ya segmentesheni yaliyoonyeshwa katika utafiti; hayo ni mwelekeo wa ujumuishaji wa baadaye.

Maelezo ya Kina

Kwa nini segmentesheni ya wingu la nukta inahitajika katika taka za ujenzi na ubomoaji?

Mandhari ya taka za ujenzi na ubomoaji haijumuishi vitu vilivyotenganishwa kwa mpangilio. Vipande vya zege, matofali, nondo za chuma, mabomba na vipengele vingine vya ujenzi vinaweza kuwa vimerundikwa juu kwa juu, vimevunjika, vimezikwa kwa kiasi na kufunikana. Kwa hiyo, kuwepo kwa mamilioni ya nukta kama koordinati pekee kutoka fotogrametri au skani nyingine ya 3B hakutoshi kwa urejeshaji wa nyenzo. Inahitajika kujua kila nukta ni ya nyenzo au kipengele gani.

Utafiti unaweka hili katika muktadha wa ujenzi wa mzunguko na Digital Material Passport (DMP). Ili pasipoti ya kidijitali ya nyenzo ya kipengele cha ujenzi kilichorejeshwa iwe ya kuaminika, taarifa iliyothibitishwa kimaeneo kuhusu aina ya nyenzo, jiometri na hali yake inahitajika. Segmentesheni hapa si kipimo tu cha computer vision, bali ni msingi wa mtazamo kwa ujenzi upya wa jiometri na michakato inayowezekana ya utenganishaji wa roboti.

Few-shot ina maana gani?

Few-shot ni hali ya usimamizi mdogo ambapo modeli hujaribu kujifunza si kutoka seti kubwa ya mafunzo iliyowekewa lebo kwa wingi, bali kutoka idadi ndogo sana ya lebo za binadamu zinazoaminika au “seed anchor”. Lengo la utafiti huu si kutumia corpus kubwa ya nje iliyowekewa lebo mapema kutoka maeneo mbalimbali ya ujenzi, bali kutumia anoteshini chache za binadamu katika mandhari moja changamano ili kupanua kwa usalama sehemu iliyobaki ya lebo.

Hali hii pia hufanya tathmini ya modeli kuwa ngumu. Wakati bajeti ya lebo ni ndogo sana, kutenga validation set kubwa ya ziada huenda kusiwe kwa vitendo. Kwa hiyo, waandishi wanaona ni muhimu kuweka mipaka kwa tabia ya worst-case badala ya kutegemea mbinu inayochagua run bora pekee.

Je, Dhana za Kikaniti Katika Utafiti Huu ni Mfano wa Kifalsafa Tu?

Kwa mujibu wa dai la kimetodolojia la chanzo, hapana: kila dhana ya Kikaniti kama “hisia, ufahamu, uhusiano, ubora, modality na apperception” imeunganishwa na kitu mahususi cha kihesabu, neno la hasara, kanuni ya grafu, kizingiti cha kujiamini au utaratibu wa uthibitishaji wa binadamu; hata hivyo, ulinganishaji huu wa kihandisi haumaanishi falsafa ya Kant imethibitishwa kwa majaribio.

Aesthetic Layer: kutoka nukta ghafi hadi uelewa wa kijiometri

Mkusanyiko ghafi wa nukta \(P=\{p_i=(x_i,y_i,z_i)\in\mathbb{R}^3\}_{i=1}^{N}\) kwanza huwekwa katikati karibu na global centroid na hupimwa kulingana na uenezi wa juu zaidi wa Euclidean:

Usanifishaji huu hupunguza athari ya nambari ya nafasi kamili na kipimo. Lengo si kufuta maana ya kimwili ya kitu, bali kuzuia mtandao kuwa nyeti kupita kiasi kwa kutotulia kwa nambari kunakotokana na mabadiliko ya ukubwa wa koordinati.

Katika ujirani wa kNN wa kila nukta, matriksi ya covariance ya eneo huhesabiwa:

Eigenvalues zilizopangwa za \(\Sigma_i\), yaani \(\lambda_{1,i}\geq\lambda_{2,i}\geq\lambda_{3,i}\geq0\), hutumiwa kufupisha jinsi jiometri ya eneo ilivyo ya mstari, ya uwanda au iliyotawanyika katika vipimo vitatu:

\(L_i\) huwakilisha linearity, \(P_i\) planarity na \(S_i\) scattering. Kwa mfano, katika bomba refu na jembamba, mwelekeo mmoja mkuu hutawala, hivyo \(L_i\) ya juu hutarajiwa; kwenye uso tambarare \(P_i\) inaweza kutawala zaidi; jiometri isiyo na mpangilio ya vifusi inaweza kuonyesha scattering kubwa zaidi.

Vekta ya vipengele yenye vipimo 12 ya kila nukta huunganisha koordinati iliyosanifishwa, rangi ya RGB, normal ya uso na tensor tatu za kimuundo:

Hapa \(\parallel\) inaonyesha operesheni ya kuunganisha vipengele.

Kwa nini grafu ya self-loop-free kNN inatumika?

Katika hoja ya k-d tree, wagombea \(k+1\) walio karibu zaidi huchukuliwa na nukta yenyewe huondolewa katika orodha ya ujirani. Kwa mujibu wa hoja ya utafiti, self-loop ikihifadhiwa, kipengele cha nukta ya kati kinaweza kutawala kupita kiasi katika ueneaji wa tabaka nyingi na kutoendelea kwa kingo kati ya nyenzo kunaweza kulainishwa.

EdgeConv huhesabuje kipengele cha uhusiano?

Mlinganyo huu huchakata kwa pamoja kipengele cha nukta ya kati na tofauti yake na jirani. Perceptron ya tabaka nyingi inayoshirikiwa \(h_\Theta\) hutengeneza kipengele kwa kila ukingo; kisha max-pooling hutumika juu ya ujirani. Tabaka mbili zinazofuatana za EdgeConv hupanua receptive field.

Vipengele vya tabaka huunganishwa na muktadha wa global:

Kisha mtandao hugawanyika kuwa head mbili. Semantic head hutoa usambazaji wa uwezekano kuhusu nukta kuwa ya darasa gani la nyenzo, huku boundary head ikitabiri ikiwa nukta ipo kwenye mpaka wa kipengele cha kimwili. Hivyo maswali “darasa gani?” na “darasa linaishia wapi?” hushughulikiwa kupitia uwakilishi uleule lakini kwa matokeo tofauti.

Kutolingana kwa madarasa kunashughulikiwaje?

Katika mandhari ya CDW, zege linaweza kuwakilishwa na nukta nyingi sana, ilhali vipengele vyembamba kama bomba vinaweza kuwa na nukta chache zaidi. Chanzo kinafafanua uzito wa darasa wa dynamic inverse-frequency kama ifuatavyo:

\(N_{\mathrm{valid}}\) inaonyesha idadi ya nukta halali zilizosimamiwa, \(C\) idadi ya madarasa, na \(N_c\) idadi ya nukta katika darasa \(c\). Hivyo madarasa madogo hupata uzito mkubwa zaidi.

Uzito huu huingizwa katika focal loss kwa focusing exponent ya \(\gamma=2,0\):

Focal loss hupunguza athari ya mifano ambayo tayari imeainishwa kwa urahisi na kwa usahihi, huku ikitoa uzito zaidi wa gradient kwa mifano migumu au iliyoainishwa vibaya. \(M_{\mathrm{sup}}\) na \(W_{\mathrm{smpl}}\) baadaye zinaweza kubadilishwa kidinamiki na Apperceptive Layer.

Kwa nini Entropy focus weight inatumika?

Ikiwa entropy ya usambazaji wa utabiri ni kubwa, modeli haina uhakika ni darasa gani sahihi. Katika hali hii \(\omega_i\) huongezeka na adhabu za prior za kimwili/kikategoria hupata uzito zaidi. Ikiwa modeli tayari ina uhakika mkubwa, athari ya prior hupungua kwa kiasi.

Color-reality prior

Chanzo hutumia tofauti ya rangi kati ya fired-clay brick na cementitious matrix kama soft prior. Kipengele cha Redness ni:

kama ifuatavyo. Chanzo hutumia vizingiti \(\theta_b=0,05\) na \(\theta_c=0,02\):

Hii si hard veto. Nukta inayoonekana kijivu bado inaweza kuainishwa kama brick ikiwa ushahidi wa kijiometri na wa mtandao ni wenye nguvu sana. Prior huweka tu upinzani wa hatua kwa ulinganifu wa rangi-darasa usio wa kawaida kimwili.

Relation prior: linearity na usaidizi wa urefu

Neno la kwanza huadhibu utabiri unaotangaza jiometri yenye linearity ndogo kuwa pipe kwa kujiamini sana. Neno la pili hupinga utabiri unaoweka darasa la pipe chini ya kizingiti cha dynamic ground. Hata hivyo, ablation ya utafiti wenyewe inaonyesha kuwa dhana za kimwili kama “support ordering” hazitumiki kila mara katika rundo la vifusi lililoanguka.

Lengo la jumla la kujifunza

\(L_{\mathrm{Bound}}\) ni hasara ya binary cross-entropy ya boundary head. \(\alpha\) na \(\beta\) hudhibiti uzito kati ya ushahidi wa data na prior za kikategoria. Chanzo kinakubali kama kikomo kwamba meta-parameta hizi ziliwekwa kwa mkono na maadili bora yanaweza kubadilika katika hali tofauti za eneo/sensa.

Apperceptive Layer na curriculum self-training

Self-training husonga mbele kwa vizingiti vitatu vya kujiamini:

Katika duru ya kwanza, pseudo-label zenye kujiamini zaidi pekee huingizwa. Katika duru zinazofuata kizingiti hupunguzwa ili maeneo magumu zaidi yaingizwe kwenye mfumo. Maeneo ya anchor yaliyopakwa na kuthibitishwa na binadamu huhifadhiwa katika mask ya persistent \(M_{\mathrm{anchor}}\), na mchakato wa kiotomatiki hauwezi kubadilisha lebo hizi.

Ikiwa katika hatua ya mafunzo kuna kutolingana kati ya pseudo-label mpya na empirical label iliyopo, nukta zilizobadilika na majirani zao wa one-hop hutambuliwa:

Kisha supervision mask na uzito wa sampuli hubadilishwa:

Lengo ni kuzuia mnyororo wa pseudo-label wenye makosa kuenea bila udhibiti kwenye grafu katika maeneo yenye utata.

Mode-collapse brake

Ikiwa darasa lolote linachukua zaidi ya %85 ya eneo lote la pseudo-label, duru ya curriculum iliyo hai hufutwa na pseudo-label wagombea hukataliwa. Utaratibu huu unalenga kuzuia suluhisho degenerate ambapo mtandao hubadilisha mandhari nzima kuwa darasa moja linalotawala.

Kiolesura cha binadamu kinafanyaje kazi?

Mtumiaji anaweza kuchagua na kuweka lebo maeneo ya nukta kwa brashi. Projeksheni ya koordinati za 3B kwenda koordinati za skrini hufanywa kwa matriksi ya kawaida ya view/projection:

Sasisho la Brush-drag limewekwa throttled kwa 50 ms. Idadi ya nukta hai zinazoonyeshwa inapozidi 15.000, viewport hulenga >30 FPS kwa kutumia proxy points zilizofanyiwa downsample kwa nasibu; hata hivyo, marekebisho ya brush huandikwa katika koordinati za full resolution.

Chanzo pia hugawanya utabiri katika tabaka tatu za epistemic confidence:

• Apodictic: \(c_i\geq0,85\).
• Assertoric: \(0,6\leq c_i<0,85\).
• Problematic: \(c_i<0,6\).

Tabaka la Problematic hutumwa kwa kipaumbele kwa ukaguzi wa binadamu.

Kwa nini Geometric fingerprint ipo?

Koordinati za nukta huzungushwa ili kuunda spatial checksum; huhifadhiwa pamoja na taarifa za global centroid na bounding box. Lengo ni kugundua ikiwa archive ya label ya point cloud nyingine imetumika kimakosa kwenye mandhari ya sasa. Katika maelezo ya utekelezaji, chanzo kinasema hili hufanywa kwa usahihi wa koordinati wa takriban 1 mm.

Kwa Nini Mgawanyo wa Nukta kwa Nasibu Unaweza Kutoa Mafanikio ya Kupotosha?

Ikiwa nukta jirani katika mandhari hiyo hiyo ya kimwili zinasambazwa kwa nasibu katika training na test, njia za nafasi kama xyz zinaweza kuruhusu lebo za jirani kuenezwa angani bila kutambua nyenzo yenyewe; katika utafiti, modeli msingi yenye %90 ya taarifa ya rangi iliyoharibiwa kufikia 0,839 mIoU ilionyesha hatari hii ya “interpolation badala ya recognition”.

Kwa hiyo, utafiti ulihamisha tathmini kuu hadi itifaki ya 4 × 4 checkerboard spatial block-holdout. Seed annotation ilichukuliwa tu kutoka training cells kwa kiwango cha %5 kwa kila darasa; tathmini ilifanywa katika held-out cells na njia za ingizo za xyz na normalized height zikaondolewa.

Mabadiliko haya hubadili kabisa tafsiri ya matokeo ya chanzo. Chini ya random split, raw xyz+rgb baseline huonekana kutawala katika safu ya 0,905–0,921 mIoU. Lakini waandishi hawakubali maadili haya kama utendaji halisi wa utambuzi wa nyenzo; wanayaripoti tu kama kiashiria cha mtego wa itifaki.

Itifaki ya block-holdout pia ina kikomo chake. Kitu kimoja kirefu cha pipe hakikuweza kuwekwa hold-out kwa kuaminika kwa mgawanyo wa checkerboard; held-out cells zilibaki na nukta 1.237 za pipe, training cells zikiwa na nukta 20.004 za pipe. Kwa hiyo, matokeo makuu ya kiasi ya uthabiti yaliundwa juu ya madarasa ya concrete na brick na class mean yake, na darasa la pipe halikujumuishwa katika ulinganisho huu wa kiasi.

Mbinu na Matokeo ya Utafiti

mIoU hupima nini?

Usemi ufuatao si mlinganyo mpya wenye nambari wa utafiti, bali ni ufafanuzi wa kawaida wa kielimu wa kipimo kilichotumiwa:

IoU hugawanya makutano ya eneo lililotabiriwa na eneo halisi kwa muungano wao kwa darasa moja. mIoU ni wastani wa maadili ya IoU ya madarasa yaliyojumuishwa katika tathmini. Katika utafiti huu, jambo muhimu si ukubwa wa wastani wa mIoU pekee, bali ni kiasi gani matokeo hubadilika wakati njia hiyo hiyo inarudiwa chini ya random seed na checkerboard phase tofauti.

Matokeo makuu ya marudio sita

Core ina prior tatu kuu: color reality, elevation support na pipe shape. core+brick huongeza brick planarity prior; core+comm huongeza community smoothness prior. all7, hujumuisha kanuni tatu za msingi na kanuni zote nne zinazobadilika.

Chanzo hakiwasilishi ongezeko la wastani la +5,1 pointi kwa core+comm kama “accuracy gain iliyothibitishwa”. Katika \(n=6\), paired \(t=1,37\) si muhimu. Kwa upande mwingine, uwiano wa run-to-run variance umetolewa kama \(F(5,5)=5,20\), thamani muhimu ya %5 ya \(F\) ikiwa 5,05, na kubanwa kwa variance kumeainishwa kama “marginally significant”.

Run mbaya zaidi isiyo na kanuni ilikuwa 0,333 mIoU, huku run mbaya zaidi ya usanidi wa core+community ikiwa 0,495. Tofauti ni +0,162, yaani +16,2 pointi za mIoU. Chanzo kinapima dai la “hallucination suppression” hasa kupitia kuondolewa kwa run hizi za kikatastrofi.

Factorial ablation kwa prior nne zinazobadilika

Kanuni tatu za core ziliwekwa zikiwa zimewashwa, na mchanganyiko \(2^4=16\) wa brick planarity, base support, cement scatter na community ulitathminiwa.

Matokeo haya yanaonyesha kwamba prior ya kimwili haifai kwa sababu tu “ina maarifa ya fizikia”. Ikiwa dhana ya awali ya prior si sahihi katika mandhari, inaweza kupotosha. Mfano wa base-support wa chanzo unaonyesha hilo hasa: matarajio ya gravitational support katika muundo uliopangwa yanaweza kukiukwa kwa utaratibu katika rundo la vifusi lililoanguka.

Jaribio la robustness dhidi ya vumbi na upotevu wa rangi

Utafiti hutumia mabadiliko yafuatayo kuharibu taarifa ya rangi hatua kwa hatua kuelekea rangi ya vumbi:

\(\lambda=0\) ni rangi asilia, na \(\lambda=0,9\) ni hali ambapo ishara ya rangi imeharibiwa kwa kiwango kikubwa sana. Chanzo kinaripoti kuwa utendaji wa full model ulipungua kwa 20,1 pointi katika safu hii, huku color-free baseline ikipoteza 6,9 pointi tu. Hii inaonyesha kuwa color-reality prior inaweza kuwa “anti-knowledge” wakati dhana yake ya empirical inapovunjika.

Kwa upande mwingine, prior ya linearity inayolinda darasa la pipe ni kanuni ya formal-geometric zaidi, na chanzo kinasema utendaji wa pipe uliendelea kuwa takriban katika safu ya 0,83–0,85 wakati rangi ilipoharibika.

Matokeo mengine ya robustness yanaonyesha hatari ya njia za nafasi chini ya domain shift. Chini ya block holdout, full model yenye positional channels ilianguka hadi 0,292 mean mIoU, huku toleo la usanifu huo huo lisilo na positional channels likifikia 0,608.

Uchumi wa anoteshini

Chanzo hufanya hesabu hii kwa expert interaction time pekee. Kwa kuwa dakika 9 za curriculum machine time ni zisizosimamiwa, hazijajumuishwa katika jumla ya muda wa mtaalamu wa mitiririko miwili. Dai la kuokoa %86,1 haliwezi kutolewa kwa nishati ya kompyuta, muda wa vifaa au gharama ya wall-clock ya mfumo mzima.

Reverse Schematism ni Nini na Hutengenezaje Jiometri ya BIM-Ready?

Reverse schematism ni hatua ya mwisho ya uchakataji inayotumia kanuni za kijiometri mahususi kwa familia ya nyenzo kutengeneza solidi za parametriki au watertight kutoka lebo za nukta za kisemantiki zilizothibitishwa na binadamu; silinda hutumiwa kwa pipe/rebar, moduli ya kawaida na bond pattern kwa brick, na adaptive alpha-shape kwa concrete.

Kalibresheni ya kipimo

Kwa kuwa kipimo cha metri cha wingu la nukta la fotogrametri hakiaminiki moja kwa moja, chanzo hufafanua kipengele cha kipimo kwa kutumia ukubwa wa kawaida wa stretcher face wa brick band iliyo wazi:

Ikiwa makadirio yanakaribia kitengo cha kawaida ndani ya ±%20, unit lock hutumika na hesabu inayofuata ya jiometri hufanywa katika nafasi ya milimita.

Bomba na nondo

DBSCAN huklasta vipengele vilivyotenganishwa kimwili. Mhimili mkuu wa kila klasta huamuliwa kwa PCA, na radius kwa median ya radial distances hadi mhimili. Kwa tafsiri ya chanzo, umbo la kijiometri la “silinda” hukubaliwa a priori; ukubwa halisi kama urefu, nafasi, mhimili na radius hupimwa kutoka data. Kila kipengele huwakilishwa kwa parameta saba.

Kiolezo cha tofali

Chanzo hufafanua moduli ya kawaida ya brick kama:

na mortar gap kama \(g=10\) mm. Mortar pitch:

huundwa kwa uhusiano huo. Hifadhidata ya Bond-pattern ina running bond, English bond, Flemish bond, three-stretcher-one-header na header/shiner variants.

Brick template packing ina hatua nne kuu: kuboresha frame inayotegemea PCA kwa small-angle sweep, kugawa mhimili kwa kutumia modular residual, phase alignment kulingana na mortar joints, na kutengeneza unit brick solids katika lattice cells zenye msaada wa kutosha wa nukta. Chanzo kinaripoti kwamba kosa la awali la PCA frame span limepunguzwa kutoka takriban 27 mm hadi takriban 3 mm.

Jiometri ya zege

Hakuna umbo moja la parametriki linalolazimishwa kwa zege. Kila DBSCAN concrete clump na nukta za pipe/rebar zilizomo ndani ya mipaka yake huzungushiwa adaptive alpha-shape:

hapa \(\bar d\) ni umbali wa wastani wa nukta jirani. Mbinu hii huacha jiometri isiyo ya kawaida ya zege iwe inayotegemea data kadiri inavyowezekana.

Uthibitishaji sintetiki wa Brick template-packing

Chanzo pia kinaripoti kuwa katika synthetic solids za full, half na obliquely clipped, matokeo ya divergence-theorem volume integral yalilingana na ujazo wa kinadharia; baada ya voxel resolution na morphological closing, ujazo wa clipped-solid ulikuwa ndani ya ±%6 ya ground truth; sparse-band solidification ilitoa 5,3–5,5 L dhidi ya ujazo halisi wa 5,76 L.

Benchmark ya jiometri katika mandhari halisi ya tathmini

Jedwali hili halipaswi kufasiriwa kama “pembetatu chache zaidi = bora zaidi” pekee. Gaussian-splat shell ilitoa mesh iliyobana zaidi na kubaki watertight; lakini chanzo kinasema miundo ya brick course ilimezwa ndani ya envelope moja ya cement-dominated chini ya smoothing kali. Poisson ilihifadhi utenganishaji wa class boundary wa kina zaidi, lakini iliacha mesh tatu wazi. Adaptive alpha-shape ilikuwa backend iliyopendelewa katika mandhari halisi ya utafiti kwa watertightness na uhifadhi wa class partition.

Makosa yanayojulikana ya Reverse-schematism

Chanzo hakionyeshi hatua hii kuwa kamilifu. Katika brick zenye nyuso mbili tu zinazoonekana, 1–2,5 cm ya frame ambiguity inaweza kubaki. Gravity-fill prior inaweza kufanya jiometri inayoning’inia kuwa solid kupita kiasi. Nyuso za clipped zinaweza kubeba alama ya voxel staircase ya takriban 8 mm. Makosa haya yanaunganishwa na prior mahususi badala ya kuficha kushindwa kwa modeli.

Hitimisho zinazoungwa mkono na utafiti

• Random point split + positional channels zinaweza kupima spatial interpolation badala ya recognition halisi katika segmentesheni ya 3B ya mandhari moja.
• Prior za kikategoria za KNS-PS zimeinua kikomo cha worst-case mIoU katika marudio sita na kupunguza utofauti kutoka run hadi run.
• Ongezeko la +5,1 pointi la mean mIoU halijakubaliwa katika chanzo kama accuracy gain ya wastani iliyothibitishwa kitakwimu.
• Brick planarity na community prior zimeonyesha athari kuu chanya katika factorial ablation.
• Base-support prior inayotegemea dhana isiyo sahihi ya mandhari inaweza kuwa na athari hasi.
• Color-reality prior inaweza kuharibika chini ya chromatic domain shift kali.
• Mtiririko wa kazi wa HITL umepunguza muda wa mwingiliano wa mtaalamu uliopimwa kutoka dakika 266 hadi dakika 37.
• Reverse-schematism imeweza kutengeneza jiometri ya parametriki/watertight kutoka eneo la lebo lililothibitishwa.

Hitimisho zisizoungwa mkono na utafiti

• Haijathibitishwa kuwa KNS-PS huongeza usahihi wa wastani kitakwimu katika mandhari zote za CDW.
• Matokeo si uthibitishaji huru wa benchmark ya mandhari nyingi.
• Darasa la pipe halikujumuishwa katika matokeo makuu ya kiasi ya uthabiti ya block-holdout.
• Thamani ya %86,1 si upungufu wa jumla wa gharama ya kompyuta/nishati/uchakataji; ni muda wa mwingiliano wa mtaalamu.
• Haijathibitishwa kwa majaribio kuwa falsafa ya Kant ni “nadharia sahihi ya AI”; utafiti hubadilisha makategoria ya kifalsafa kuwa kanuni za usanifu wa kihandisi.
• Haijaonyeshwa kuwa matokeo ya Reverse-schematism yatafanya kazi kiotomatiki bila tatizo katika programu zote za BIM.
• Ubomoaji wa kimwili wa kujiendesha kwa ROS 2/MoveIt 2 si jaribio lililofanywa katika utafiti huu.
• Apperception ya uwanja mzima inayotegemea XR na utekelezaji wa closed-loop KUKA si uthibitishaji uliokamilika wa makala hii.

Vikwazo vikuu vya utafiti

Mandhari moja: matokeo yote makuu ya kiasi ya segmentesheni yanategemea mandhari moja. Benchmarking ya kimfumo kwenye CODD, ZeroWaste na mandhari ya pili yenye sifa tofauti za kimwili imeachwa kama kazi ya baadaye.

Tatizo la pipe holdout: kwa kuwa checkerboard block-holdout imeshindwa kubadilisha kitu kimoja kirefu cha pipe kuwa sehemu huru ya test, madai makuu ya uthabiti yamewekewa mipaka kwa concrete, brick na wastani wa madarasa yao.

Nguvu ya kitakwimu: mean gain bora si muhimu chini ya marudio \(n=6\). Kwa hiyo claim kuu ya chanzo si accuracy bali stability.

Hatari ya Rule selection leakage: usanidi wa rule umechaguliwa na kutathminiwa katika mandhari hiyo hiyo. Bila uchaguzi/uthibitishaji wa kanuni katika mandhari nyingine, haiwezi kuitwa “seti bora ya kanuni kwa ujumla”.

Domain shift: mpangilio wa rangi ambao color-reality prior hutegemea unaweza kuvurugwa na vumbi, mwanga au mabadiliko ya sensa. Chanzo pia kinabainisha kama capability boundary kwamba wakati taarifa za rangi na nafasi zinapotea kwa kiasi kikubwa kwa wakati mmoja, ujifunzaji wa kijiometri wa %5 seed pia huanguka hadi kiwango cha 0,17–0,20 mIoU.

Meta-parameta za Hand-tuned: \(\alpha\), \(\beta\), curriculum thresholds \(T\) na %85 mode-collapse ceiling ni parameta zilizowekwa kwa mkono na chanzo.

Tofauti ya nukta 195.569 / 237.560: tathmini ya interface/reconstruction na tathmini ya labor-economics zimeripotiwa kwa point count tofauti. Chanzo hakielezi wazi ikiwa tofauti hii inatokana na preprocessing, sampuli tofauti au hatua nyingine ya data.

Hali halisi ya ujumuishaji wa roboti na XR

Makala haidai kuwa jaribio la ubomoaji wa kimwili kwa roboti lilifanywa. Chanzo hulitenganisha wazi kama njia ya ujumuishaji wa baadaye. Hata hivyo, inaelezwa kuwa rcxr ni kiolesura cha ujumuishaji kinachotegemea Godot kinachoendelezwa. Katika usanifu huu, wrist-mounted RealSense D415, KUKA KR210 yenye mihimili sita, Raspberry Pi 5 acquisition node, ROS 2 TSDF fusion, Godot front end na vipengele vya mapping vya NVIDIA Omniverse/Isaac Sim kupitia USD vimefafanuliwa.

Chanzo katika Figure 16 hugawanya vipengele kuwa implemented, in progress na planned. Kuongeza KNS-PS semantic segmentation kwenye acquisition pipeline hii, upangaji wa MoveIt 2 na closed-loop execution kwenye physical KR210 ni hatua za baadaye. Kwa hiyo, si sahihi kupanua matokeo ya segmentesheni ya utafiti wa sasa kuwa “roboti ilifanya ubomoaji kwa mafanikio”.

Maelezo ya Chanzo na Mbinu

Utafiti asilia: An annotation-efficient Kantian neuro-symbolic AI framework for few-shot point cloud segmentation of construction and demolition waste.

Waandishi: Hakuna majina ya waandishi kwenye ukurasa wa kichwa wa PDF iliyopakiwa. Kwa kuwa hayakuthibitishwa kupitia rekodi rasmi ya bibliografia inayoaminika, hakuna jina lililoongezwa.

Mwandishi wa mawasiliano: Haijaainishwa katika PDF iliyopakiwa.

Mchango sawa: Haijaainishwa katika PDF iliyopakiwa.

Taasisi / ushirika: Ushirika wa waandishi haujaainishwa katika PDF iliyopakiwa.

Aina ya chanzo: Preprint ya utafiti wa kihesabu yenye few-shot 3B point-cloud semantic segmentation, anoteshini ya Human-in-the-Loop, neuro-symbolic learning na reconstruction ya kijiometri.

Hali ya peer review: Kila ukurasa wa PDF una kauli “This preprint research paper has not been peer reviewed”.

Jukwaa: SSRN.

Nambari ya SSRN abstract: 7624637.

Kiungo rasmi: https://ssrn.com/abstract=7624637

DOI: Haijatolewa katika PDF iliyopakiwa na haijathibitishwa kutoka chanzo rasmi kinachoaminika, hivyo haijakisiwa.

Tarehe ya posting / uchapishaji: Hakuna tarehe ya bibliografia ya posting iliyoainishwa katika maandishi ya makala yaliyopakiwa. Tarehe za metadata ya faili ya PDF hazijachukuliwa kama tarehe ya uchapishaji wa kisayansi.

Jarida / juzuu / nambari: Chanzo kilichokaguliwa si journal version of record; nyanja hizi za bibliografia hazipo katika chanzo.

Leseni: Leseni wazi ya Creative Commons ya matumizi tena haijathibitishwa. Kwa hiyo, michoro ya chanzo haijanakiliwa moja kwa moja.

Modeli kuu: Kantian Neuro-Symbolic Perception System (KNS-PS), dual-head EdgeConv tabanlı graph neural network + diferansiyellenebilir categorical priors + Human-in-the-Loop curriculum self-training.

Vipengele vya ingizo: Koordinati za 3B zilizosanifishwa, RGB, normal za uso zenye mwelekeo, covariance-derived linearity, planarity na scattering.

Muundo wa grafu: Self-loop-free k-nearest-neighbor topology.

Supervised loss: Dynamic balanced focal loss; \(\gamma=2,0\).

Color prior: \(R_d=r-(g+b)/2\); \(\theta_b=0,05\), \(\theta_c=0,02\).

Pipe shape prior: Kizingiti cha Linearity threshold \(L_i=0,6\) kinatumika katika mlinganyo wa chanzo.

Curriculum: \(T=\{0,95,0,90,0,85\}\).

Mode-collapse brake: Tek bir sınıf pseudo-label alanının %85'inden fazlasını ele geçirirse aktif tur reddedilir.

Confidence strata: apodictic \(c_i\geq0,85\); assertoric \(0,6\leq c_i<0,85\); problematic \(c_i<0,6\).

Programu: Algorithmic pipeline Python + TensorFlow 2.x; interactive visualization Open3D.

Kiolesura: LOD/downsample kwa viewport yenye zaidi ya nukta 15.000; lengo >30 FPS; sasisho la brush projection lina 50 ms throttle.

Optimizer / kiwango cha kujifunza / batch size / vifaa vya GPU: Hakuna thamani ya kuaminika iliyoripotiwa wazi iliyotambuliwa katika chanzo; nyanja zinazokosekana hazijajazwa.

Itifaki kuu ya tathmini: 4 × 4 spatial checkerboard block-holdout; %5 seed kwa kila darasa kutoka training cells; tathmini kwenye held-out cells; njia za positional xyz/normalized-height zimeondolewa.

Idadi kuu ya marudio: Marudio sita ya paired random-seed/checkerboard-phase kwa rule configuration tano.

Tafsiri kuu ya utendaji: Ingawa ongezeko la core+community mean mIoU ni +5,1 pointi, si muhimu katika \(n=6\); ushahidi mkuu ni kupungua kwa variance mara 5,2 na kupanda kwa worst-case floor kutoka 0,333 hadi 0,495.

Factorial ablation: Pamoja na core rule tatu zikiwa thabiti, mchanganyiko \(2^4=16\) kwa variable rule nne. Main effects: brick planarity +3,3; community +1,8; cement scatter −0,3; base support −1,9 pointi za mIoU.

Uchumi wa anoteshini: Katika mandhari yenye nukta 237.560, dense manual expert time ni dak 266; KNS-PS expert interaction dak 37; punguzo lililoripotiwa na chanzo ni %86,1. Takriban dak 9 za unattended curriculum machine time hazikujumuishwa katika muda wa mtaalamu.

Reverse-schematism: Pipe/rebar → DBSCAN + PCA + median radius + parametrik cylinder; brick → 240 × 120 × 60 mm module, 10 mm mortar gap, bond-pattern packing; concrete → adaptive alpha-shape, \(\alpha=\max(4\bar d,20\ \mathrm{mm})\).

Benchmark ya envelope katika mandhari halisi: Nukta 195.569, class-level component saba. Adaptive alpha-shape: 13,7 s, 50.558 triangles, 7/7 watertight. Poisson: 13,9 s, 109.528 triangles, 4/7 watertight. Gaussian-splat shell: 15,3 s, 35.172 triangles, 7/7 watertight, lakini chanzo kinaripoti upotevu wa class structure kutokana na smoothing kupita kiasi.

Tofauti ya point-count ndani ya chanzo: Figure 5 / reverse reconstruction hutumia mandhari ya tathmini yenye nukta 195.569; labor-economics Table 3 hutumia evaluation scene yenye nukta 237.560. Kwa kuwa uhusiano haujaelezwa wazi katika chanzo, hazijasawazishwa.

Ufadhili: Hakuna kauli tofauti ya funding iliyotambuliwa katika PDF iliyopakiwa.

Michango ya waandishi / CRediT: Hakuna CRediT authorship contribution statement tofauti iliyotambuliwa katika PDF iliyopakiwa.

Kauli ya AI zalishi: Waandishi wanasema walitumia Claude (Anthropic); matumizi yalikuwa kwa mpangilio/muundo wa aya na ukaguzi wa sarufi ya Kiingereza; dhana kuu, mfumo uliopendekezwa na maendeleo yalitoka kwa waandishi; na wanabeba wajibu wa maudhui ya mwisho.

Mgongano wa maslahi: Waandishi wanasema hakuna maslahi ya kifedha yanayoshindana yanayojulikana au uhusiano wa kibinafsi ambao ungeweza kuathiri utafiti.

Upatikanaji wa data: Kuna kauli “Data will be made available on request.”

Kikomo kikuu cha kimetodolojia: Tathmini ya mandhari moja, kuondolewa kwa darasa la pipe kwenye matokeo makuu ya block-holdout, uteuzi wa kanuni katika mandhari hiyo hiyo, idadi ndogo ya marudio na meta-parameta za prior/curriculum zilizowekwa kwa mkono hupunguza uwezo wa kujumlisha.

Hali ya roboti/XR: Physical robotic deconstruction experiment haikufanywa katika utafiti huu. Ujumuishaji wa rcxr acquisition/digital-twin unaendelezwa, huku KNS-PS semantic insertion, MoveIt 2 na closed-loop physical execution zikiwasilishwa kama hatua za baadaye.