[論文レビュー] AGDC: Automatic Garbage Detection and Collection

Siddhant Bansal, Seema Patel+4 more|arXiv (Cornell University)|Aug 16, 2019

Advanced Neural Network Applications参考文献 10被引用数 25

ひとこと要約

本論文では、コンピュータビジョンとマイコン制御ロボットアームを用いた、自動ゴミ検出および回収を実現する低コストでAI駆動のロボットシステムAGDCを提案する。Raspberry Pi上で3–4 fpsのリアルタイム検出を達成し、90%以上の信頼度を発揮し、ゴミと貴重品を区別し、都市ごみ管理の場面での自律的回収を可能にする。

ABSTRACT

Waste management is one of the significant problems throughout the world. Contemporaneous methods find it difficult to manage the volume of solid waste generated by the growing urban population. In this paper, we propose a system which is very hygienic and cheap that uses Artificial Intelligence algorithms for detection of the garbage. Once the garbage is detected the system calculates the position of the garbage by the use of the camera only. The proposed system is capable of distinguishing between valuables and garbage with more than 95% confidence in real-time. Finally, a robotic arm controlled by the microcontroller is used to pick up the garbage and places it in the bin. Concluding, the paper explains a system that is capable of working as a human in terms of inspecting and collecting the garbage. The system is able to achieve 3-4 frames per second on the Raspberry Pi, capable of detecting the garbage in real-time with 90%+ confidence.

研究の動機と目的

• 都市ごみ管理の課題が増大する中、自動的で低コストなソリューションを提供すること。
• コンピュータビジョンとカメラベースの局所化を用いて、リアルタイムでのゴミ検出を可能にするシステムを開発すること。
• マイコンで制御されるロボットアームを用いて、検出されたゴミを自律的かつ物理的に回収できるようにすること。
• 現実の環境条件下で、ゴミと貴重品を95%以上の信頼度で区別できること。

提案手法

• システムは、事前トレーニング済みの深層学習モデルを用いて、リアルタイムの動画をキャプチャし、物体検出を行うカメラを採用する。
• 畳み込みニューラルネットワーク（CNN）を用いて、物体をゴミまたは貴重品として高信頼度で分類する。
• 幾何的キャリブレーションと深度推定を用いて、カメラデータを処理し、検出されたゴミの3次元位置を推定する。
• マイコン（例：Arduinoまたは同等）が、検出された座標に基づきロボットアームを制御し、物理的にゴミを回収する。
• システムはRaspberry Pi上で動作し、3–4フレーム／秒の低遅延推論を最適化している。
• 物体検出、局所化、ロボットアクチュエーター制御を統合した、1つの自律的ワークフローを実現する。

実験結果

リサーチクエスチョン

• RQ1 低コストでAIベースのシステムは、都市環境において高精度でリアルタイムでゴミを検出できるか？
• RQ2 カメラ入力のみを用いて、ゴミと貴重品をどれほど正確に区別できるか？
• RQ3 Raspberry Piのような低消費電力ハードウェアに展開した際、システムのリアルタイム性能はいかほどか？
• RQ4 カメラから得た物体位置に基づいて、ロボットアームを信頼性高く制御し、自律的ごみ回収を実現できるか？
• RQ5 このシステムは、日常的なごみ回収作業における人的作業をどの程度削減できるか？

主な発見

• システムはRaspberry Pi上で3–4フレーム／秒のリアルタイム動作を達成し、ライブでのゴミ検出を可能にする。
• ゴミ分類の信頼度は90%以上を達成し、ゴミと貴重品の区別では95%以上の信頼度を発揮する。
• カメラ入力のみを用いてゴミの局所化に成功し、正確なロボットアームのターゲティングを可能にする。
• 計算された位置に基づき、ロボットアームが検出されたゴミを物理的に回収できる。
• AI、ビジョン、アクチュエーターの統合により、完全に自律的で低コストなソリューションが実現され、都市部への展開に適している。
• 本システムは、スケーラブルで衛生的かつ自動化されたごみ管理の実現可能性を示している。