İnşaat və Söküntü Tullantılarının Az Nümunəli Nöqtə Buludu Seqmentasiyası üçün Annotasiya-Səmərəli Kantçı Neyro-Simvolik...

Q: Few-shot nə deməkdir?

Few-shot, modelin sıx etiketlənmiş böyük təlim məlumat dəstinə deyil, çox məhdud sayda etibarlı insan etiketi və ya “seed anchor” vasitəsilə öyrənməyə çalışdığı aşağı-nəzarətli rejimdir. Bu tədqiqatın məqsədi müxtəlif tikinti sahələrindən əvvəlcədən etiketlənmiş nəhəng xarici corpus istifadə etmək deyil, tək bir mürəkkəb səhnədə məhdud insan annotasiyasından yararlanaraq qalan etiket sahəsini təhlükəsiz şəkildə genişləndirməkdir.

Q: EdgeConv əlaqəli xüsusiyyəti necə hesablayır?

\[ x_i= \max_{j\in M_{\mathrm{knn}}(i)} h_{\Theta} \left( f_i\parallel(f_j-f_i) \right). \tag{6} \]

Q: Entropy focus weight niyə istifadə olunur?

\[ \omega_i= \frac{H(p_i)}{\ln C}+0,1, \qquad H(p_i)= -\sum_c p_{i,c}\log p_{i,c}. \tag{10} \]

Q: Geometric fingerprint niyə var?

\[ \mathrm{Checksum} = \mathrm{MD5} \left( \mathrm{ByteStream}(\mathrm{Round}(P,4)) \right). \tag{18} \]

Q: Təsadüfi Nöqtə Bölünməsi Niyə Yanıldıcı Uğur Yarada Bilər?

Eyni fiziki səhnədə qonşu nöqtələr həm təlim, həm test qrupuna təsadüfi paylanarsa xyz kimi mövqe kanalları materialın özünü tanımadan ətrafdakı etiketləri məkanda yaymağa imkan verə bilər; tədqiqatda rəng məlumatının %90-ı pozulmuş baza modelinin 0,839 mIoU-ya çatması bu “recognition əvəzinə interpolation” riskini ortaya qoyub.

Q: Tədqiqatın Metodu və NəticələrimIoU nəyi ölçür?

Aşağıdakı ifadə tədqiqatın nömrələnmiş yeni tənliyi deyil, istifadə edilən metrik üçün standart izahlı tərifdir:

İnşaat və Söküntü Tullantılarının Az Nümunəli Nöqtə Buludu Seqmentasiyası üçün Annotasiya-Səmərəli Kantçı Neyro-Simvolik Süni İntellekt Çərçivəsi

Başlıq

Türkcə nəşr başlığı: İnşaat və Söküntü Tullantılarının Az Nümunəli Nöqtə Buludu Seqmentasiyası üçün Annotasiya-Səmərəli Kantçı Neyro-Simvolik Süni İntellekt Çərçivəsi

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

Müəlliflər: Yüklənmiş preprint PDF-də müəllif adları yer almır. Etibarlı rəsmi biblioqrafik qeyd vasitəsilə təsdiqlənmədiyi üçün müəllif adları təxmin edilməyib.

Qısa Xülasə

Kantian Neuro-Symbolic Perception System (KNS-PS), inşaat və söküntü tullantısı (Construction and Demolition Waste, CDW) nöqtə buludlarını az sayda insan etiketi ilə semantik olaraq seqmentləşdirmək üçün qraf sinir şəbəkəsini, fiziki/geometrik öncülləri və Human-in-the-Loop təsdiqini birləşdirən hibrid neyro-simvolik süni intellekt çərçivəsidir. Tədqiqat Kantın “həssaslıq, anlama və apperception” qatlarını yalnız fəlsəfi bənzətmələr kimi saxlamadığını; bunları nöqtə buludu xüsusiyyətləri, self-loop-free k-nearest-neighbor qrafı, dual-head EdgeConv şəbəkəsi, diferensiallana bilən color-reality və structural-relation itkiləri, etimada əsaslanan curriculum self-training, insan anchor freezing və mode-collapse brake kimi konkret hesablama komponentlərinə çevirdiyini irəli sürür.

Tədqiqatın əsas problemi mürəkkəb söküntü dağıntısı səhnələrində hər nöqtənin əl ilə etiketlənməsinin bahalı olması və yalnız məlumat yönümlü 3B şəbəkələrin boru, armatur, kərpic və beton kimi bir-birinə qarışmış və ya qismən örtülmüş materiallarda fiziki baxımdan uyğunsuz seqmentasiyalar yarada bilməsidir. Mənbə bu səhvlər üçün “geometric and semantic hallucinations” ifadəsindən istifadə edir. Buradakı “hallucination” generativ dil modelinin uydurma mətn yaratması mənasında deyil; nöqtə buludunda fiziki baxımdan uyğunsuz sinif təyinatlarının verilməsinə, məsələn parçalanmış borunun betonun içində yoxa çıxmasına və ya örtülü obyektin bütövlüyünün qoruna bilməməsinə verilən addır.

Tədqiqatın ən mühüm metodoloji nəticələrindən biri qiymətləndirmə protokolu ilə bağlıdır. Təsadüfi nöqtə bölünməsi və mövqe kanalları birlikdə istifadə edildikdə şəbəkə həqiqi materialı tanımadan qonşu nöqtələrdən məkan etiket interpolyasiyası edə bilir. Rəng məlumatının %90-ı pozulmuş DGCNN baza modeli bu protokolda yenə 0,839 mean Intersection over Union (mIoU) dəyərinə çatıb. Buna görə tədqiqatçılar əsas qiymətləndirməni 4 × 4 spatial block-holdout strukturuna keçirib, test bloklarını məkan baxımından ayırıb və xyz/normalize edilmiş hündürlük kimi mövqeyə aid giriş kanallarını çıxarıblar.

Altı cütləşdirilmiş təkrarda ən yaxşı ümumi konfiqurasiyalardan core+community üçün orta mIoU 0,550 ± 0,038, qaydasız baza model üçün isə 0,499 ± 0,088 tapılıb. +5,1 ballıq orta fərq beş təkrarın beşində müsbət olsa da paired \(t=1,37\) ilə statistik əhəmiyyətə çatmayıb. Bunun əvəzində tədqiqat qaçışdan-qaçışa variasiyanın 5,2 dəfə sıxıldığını və ən pis qaçışın 0,333-dən 0,495-ə yüksəldiyini bildirir. Buna görə mənbə çərçivənin əsas kəmiyyət töhfəsini “orta dəqiqliyi sübut olunmuş şəkildə artırmaq” əvəzinə katastrofik aşağı-performanslı qaçışları basdırmaq və worst-case davranışı məhdudlaşdırmaq kimi müəyyənləşdirir.

Human-in-the-Loop annotasiya müqayisəsində 237.560 nöqtəli səhnənin sıx əl ilə etiketlənməsi 266 dəqiqə ekspert vaxtı tələb etdiyi halda, KNS-PS iş axını 37 dəqiqə ekspert qarşılıqlı fəaliyyəti tələb edib; mənbə bunu %86,1 azalma kimi hesablayır. Lakin üç curriculum self-training turunun təxminən 9 dəqiqəlik nəzarətsiz maşın vaxtı bu ekspert vaxtı hesabına daxil edilməyib. Buna görə %86,1 dəyəri “ümumi hesablama vaxtının %86,1 azalması” demək deyil.

Tədqiqatın son mərhələsindəki reverse schematism modulu insan tərəfindən təsdiqlənmiş semantik nöqtə etiketlərini parametrik və watertight həndəsi bərk cisimlərə çevirir. Boru və armatur elementləri silindr kimi, kərpiclər standart modul və bond-pattern şablonları ilə, beton qrupları isə adaptive alpha-shape istifadə edilərək yenidən qurulur. Real 195.569 nöqtəli səhnədə adaptive alpha-shape arxa ucu yeddi komponentin yeddisini də watertight yaratdığı halda, Poisson reconstruction yalnız dörd komponenti watertight bağlaya bilib.

Bu nəticələrin əhatə dairəsi məhduddur. Tədqiqatın kəmiyyət seqmentasiya iddiaları tək bir səhnəyə əsaslanır; pipe sinfi block-holdout kəmiyyət nəticəsinə daxil edilməyib; qayda konfiqurasiyaları eyni səhnədə seçilib və qiymətləndirilib; bəzi meta-parametrlər əl ilə tənzimlənib və color-reality prior güclü toz/rəng itkisi şəraitində pozulur. Robotik söküntü, ROS 2/MoveIt 2 fiziki icra və XR əsaslı real sahə apperception dövrəsi tədqiqatın nümayiş etdirilmiş seqmentasiya nəticəsi deyil; bunlar gələcək inteqrasiya istiqamətləridir.

Ətraflı İzah

İnşaat və söküntü tullantılarında nöqtə buludu seqmentasiyası niyə lazımdır?

İnşaat və söküntü tullantısı səhnəsi nizamlı şəkildə ayrılmış obyektlərdən ibarət olmur. Beton parçaları, kərpiclər, metal armaturlar, borular və başqa tikinti elementləri üst-üstə yığılmış, qırılmış, qismən basdırılmış və bir-birini örtmüş ola bilər. Buna görə fotogrammetrik və ya başqa bir 3B skan nəticəsində əldə edilən milyonlarla nöqtənin yalnız koordinat kimi mövcud olması materialın bərpası baxımından kifayət deyil. Hər nöqtənin hansı materiala və ya komponentə aid olduğunun müəyyənləşdirilməsi lazımdır.

Tədqiqat bunu dövri tikinti və Digital Material Passport (DMP) kontekstinə yerləşdirir. Bərpa edilmiş tikinti komponentinin rəqəmsal material pasportunun etibarlı olması üçün materialın növü, həndəsəsi və vəziyyəti barədə məkan baxımından təsdiqlənmiş məlumat lazımdır. Seqmentasiya burada yalnız kompüter görmə metrikası deyil, sonrakı həndəsə rekonstruksiyası və mümkün robotik ayırma proseslərinin qavrayış əsasını təşkil edir.

Few-shot nə deməkdir?

Few-shot, modelin sıx etiketlənmiş böyük təlim məlumat dəstinə deyil, çox məhdud sayda etibarlı insan etiketi və ya “seed anchor” vasitəsilə öyrənməyə çalışdığı aşağı-nəzarətli rejimdir. Bu tədqiqatın məqsədi müxtəlif tikinti sahələrindən əvvəlcədən etiketlənmiş nəhəng xarici corpus istifadə etmək deyil, tək bir mürəkkəb səhnədə məhdud insan annotasiyasından yararlanaraq qalan etiket sahəsini təhlükəsiz şəkildə genişləndirməkdir.

Bu vəziyyət modelin qiymətləndirilməsini də çətinləşdirir. Etiket büdcəsi çox kiçik olduqda ayrıca böyük validation set ayırmaq praktik olmaya bilər. Buna görə müəlliflər yalnız ən yaxşı qaçışı seçməyə əsaslanan yanaşma əvəzinə worst-case davranışın məhdudlaşdırılmasını vacib hesab edirlər.

Kantçı Anlayışlar Bu Tədqiqatda Yalnız Fəlsəfi Metafordurmu?

Mənbənin metodoloji iddiasına görə xeyr: “həssaslıq, anlama, münasibət, keyfiyyət, modallıq və apperception” kimi Kantçı anlayışların hər biri müəyyən hesablama obyektinə, itki terminə, qraf qaydasına, etimad həddinə və ya insan-təsdiq mexanizminə uyğunlaşdırılıb; lakin bu mühəndislik uyğunlaşdırması Kant fəlsəfəsinin eksperimental olaraq təsdiqləndiyi demək deyil.

Konseptual qat	Texniki qarşılıq	Mühəndislik funksiyası
Aesthetic Layer / Sensibility	Koordinat normallaşdırılması, səth normalları, lokal kovariasiya, linearlıq-planarlıq-scattering tensorları, self-loop-free kNN qrafı	Nizamsız xam nöqtə çoxluğunu strukturlaşdırılmış həndəsi xüsusiyyətlərə çevirir.
Quantity	Çoxmiqyaslı aqreqasiya və class-balanced focal loss	Beton kimi böyük siniflərin az sayda pipe/rebar nöqtələrini yalnız say üstünlüyü ilə basdırmasını azaldır.
Quality	Color-reality soft prior və boundary head	Kərpic/sement siniflərinin rəng gerçəkliyi ilə tam ziddiyyət təşkil edən yüksək etimadlı proqnozlarını cəzalandırır; sinif sərhədlərini ayrıca başlıqda proqnozlaşdırır.
Relation	Linearity, elevation-support və EdgeConv qonşuluq əlaqələri	Xüsusilə boru sinfini nazik xətti həndəsə və dəstək/hündürlük əlaqələri ilə məhdudlaşdırır.
Modality	Confidence thresholds və apodictic/assertoric/problematic strata	Proqnozları etimad səviyyələrinə bölür və insan baxışının prioritetini müəyyən edir.
Transcendental Apperception	Human-in-the-Loop anchor freezing + curriculum self-training	İnsan tərəfindən təsdiqlənən etiketlərin avtomatik təlim tərəfindən dəyişdirilməsinin qarşısını alır.

Mənbə tədqiqatdakı üçqatlı KNS-PS əlaqələrinə əsaslanaraq Verianla üçün müstəqil və miqyassız şəkildə yenidən yaradılıb. Mənbə şəklinin vizual dizaynı kopyalanmayıb.

Aesthetic Layer: xam nöqtədən həndəsi intuisiyalara

Xam nöqtə çoxluğu \(P=\{p_i=(x_i,y_i,z_i)\in\mathbb{R}^3\}_{i=1}^{N}\) əvvəlcə qlobal centroid ətrafında mərkəzləşdirilir və maksimum Evklid uzanmasına görə miqyaslandırılır:

\mu_P=\frac{1}{N}\sum_{i=1}^{N}p_i,\qquad p'_i=p_i-\mu_P \] \[ s=\max_i\|p'_i\|_2+\varepsilon_s,\qquad p_{\mathrm{norm},i}=\frac{p'_i}{s}, \qquad \varepsilon_s=10^{-8}. \tag{1}

Bu normallaşdırma mütləq mövqenin və miqyasın ədədi təsirini azaldır. Burada məqsəd obyektin fiziki mənasını silmək deyil, şəbəkənin koordinat böyüklüklərinin dəyişməsindən yaranan ədədi qeyri-sabitliyə həddən artıq həssas olmasının qarşısını almaqdır.

Hər nöqtənin kNN qonşuluğunda lokal kovariasiya matrisi hesablanır:

\Sigma_i= \frac{1}{k} \sum_{j\in\mathcal{N}(i)} (p_j-\bar p_i)(p_j-\bar p_i)^T. \tag{2}

\(\Sigma_i\)-nin sıralanmış özqiymətləri \(\lambda_{1,i}\geq\lambda_{2,i}\geq\lambda_{3,i}\geq0\) lokal həndəsənin nə qədər xətti, müstəvi və ya üçölçülü paylanmış olduğunu ümumiləşdirmək üçün istifadə olunur:

L_i=\frac{\lambda_{1,i}-\lambda_{2,i}} {\lambda_{1,i}+\varepsilon_l}, \qquad P_i=\frac{\lambda_{2,i}-\lambda_{3,i}} {\lambda_{1,i}+\varepsilon_l}, \qquad S_i=\frac{\lambda_{3,i}} {\lambda_{1,i}+\varepsilon_l}, \tag{3} \] \[ \varepsilon_l=10^{-8}.

\(L_i\) linearlığı, \(P_i\) planarlığı, \(S_i\) scattering-i ifadə edir. Məsələn, uzun və nazik boruda bir əsas istiqamət üstün olduğundan yüksək \(L_i\) gözlənilir; müstəvi səthdə \(P_i\) daha üstün ola bilər; nizamsız dağıntı həndəsəsi isə daha yüksək scattering göstərə bilər.

Hər nöqtənin 12 ölçülü xüsusiyyət vektoru normallaşdırılmış koordinatı, RGB rəngi, səth normalını və üç struktur tensorunu birləşdirir:

f_i= [p_{\mathrm{norm},i}\parallel c_i\parallel n_i\parallel L_i\parallel P_i\parallel S_i] \in\mathbb{R}^{12}. \tag{4}

Buradakı \(\parallel\) xüsusiyyətlərin birləşdirilməsi əməliyyatını göstərir.

Niyə self-loop-free kNN qrafı istifadə olunur?

M_{\mathrm{knn}}(i) = \{j_1,j_2,\ldots,j_k\}, \qquad j_m\in\mathcal{N}(i)\setminus\{i\}. \tag{5}

k-d tree sorğusunda \(k+1\) ən yaxın namizəd götürülür və nöqtənin özü qonşuluq siyahısından çıxarılır. Tədqiqatın əsaslandırmasına görə self-loop saxlanarsa mərkəz nöqtənin öz xüsusiyyəti çoxqatlı yayılmada həddən artıq dominant ola bilər və materiallar arasındakı kənar diskontinuitetlər yumşala bilər.

EdgeConv əlaqəli xüsusiyyəti necə hesablayır?

x_i= \max_{j\in M_{\mathrm{knn}}(i)} h_{\Theta} \left( f_i\parallel(f_j-f_i) \right). \tag{6}

Bu tənlik mərkəz nöqtənin xüsusiyyətini və qonşusu ilə arasındakı fərqi birlikdə emal edir. Paylaşılan çoxqatlı perseptron \(h_\Theta\) hər kənar üçün xüsusiyyət yaradır; sonra qonşuluq üzərində max-pooling tətbiq olunur. Ardıcıl iki EdgeConv qatı receptive field-i genişləndirir.

Qat xüsusiyyətləri qlobal kontekstlə birləşdirilir:

x_{\mathrm{fused},i} = [x_{1,i}\parallel x_{2,i}\parallel x_{\mathrm{global}}]. \tag{7}

Bundan sonra şəbəkə iki başlığa ayrılır. Semantic head nöqtənin hansı material sinfinə aid olduğuna dair ehtimal paylanmasını yaradır, boundary head isə nöqtənin fiziki komponent sərhədində olub-olmadığını proqnozlaşdırır. Beləliklə “hansı sinif?” və “sinif harada bitir?” sualları eyni təmsil üzərindən, lakin fərqli çıxışlarla həll olunur.

Sinif balanssızlığı necə həll olunur?

CDW səhnəsində beton çox sayda nöqtə ilə təmsil olunduğu halda boru kimi nazik elementlər xeyli az nöqtə ehtiva edə bilər. Mənbə dinamik tərs-tezlik sinif çəkisini belə müəyyənləşdirir:

w_c= \frac{N_{\mathrm{valid}}} {C\,(N_c+1,0)}. \tag{8}

\(N_{\mathrm{valid}}\) etibarlı nəzarətli nöqtələrin sayını, \(C\) sinif sayını, \(N_c\) isə sinif \(c\)-dəki nöqtələrin sayını göstərir. Kiçik siniflər beləliklə daha böyük çəki alır.

Bu çəkilər \(\gamma=2,0\) focusing exponent ilə focal loss-a daxil edilir:

L_{\mathrm{Focal}} = \frac{1}{\sum_i M_{\mathrm{sup}}^{(i)}} \sum_{i=1}^{N} M_{\mathrm{sup}}^{(i)} W_{\mathrm{smpl}}^{(i)} \left[ -w_{y_i} (1-p_{i,y_i})^{\gamma} \log(p_{i,y_i}+\varepsilon) \right]. \tag{9}

Focal loss artıq asanlıqla düzgün təsnif edilən nümunələrin təsirini azaldır, çətin və ya səhv təsnif edilən nümunələrə daha çox gradient çəkisi verir. \(M_{\mathrm{sup}}\) və \(W_{\mathrm{smpl}}\) daha sonra Apperceptive Layer tərəfindən dinamik şəkildə dəyişdirilə bilər.

Entropy focus weight niyə istifadə olunur?

\omega_i= \frac{H(p_i)}{\ln C}+0,1, \qquad H(p_i)= -\sum_c p_{i,c}\log p_{i,c}. \tag{10}

Proqnoz paylanmasının entropiyası yüksəkdirsə model hansı sinfin düzgün olduğuna əmin deyil. Bu halda \(\omega_i\) artır və fiziki/kateqorik prior cəzaları daha çox çəki qazanır. Model artıq çox əmindirsə prior təsiri nisbətən geri çəkilir.

Color-reality prior

Mənbə fired-clay brick və cementitious matrix arasında rəng fərqini soft prior kimi istifadə edir. Redness xüsusiyyəti:

R_{d,i}=r_i-\frac{g_i+b_i}{2}

şəklindədir. Mənbə \(\theta_b=0,05\) və \(\theta_c=0,02\) hədlərindən istifadə edir:

L_Q= \frac{1}{N} \sum_{i=1}^{N} \omega_i \left[ p_{\mathrm{brick},i}\, \mathrm{ReLU}(\theta_b-R_{d,i}) + p_{\mathrm{cement},i}\, \mathrm{ReLU}(R_{d,i}-\theta_c) \right]. \tag{11}

Bu hard veto deyil. Boz görünən nöqtə həndəsi və digər şəbəkə sübutları çox güclüdürsə yenə brick kimi təsnif edilə bilər. Prior yalnız fiziki baxımdan qeyri-adi rəng-sinif uyğunlaşmasına dərəcəli müqavimət göstərir.

Relation prior: linearlıq və hündürlük dəstəyi

L_R=L_{R\text{-shape}}+L_{R-z}, \] \[ L_{R\text{-shape}} = \frac{1}{N} \sum_{i=1}^{N} \omega_i p_{\mathrm{pipe},i} \mathrm{ReLU}(0,6-L_i)^2, \] \[ L_{R-z} = \frac{1}{N} \sum_{i=1}^{N} \omega_i p_{\mathrm{pipe},i} \mathrm{ReLU}(Z_{\mathrm{thresh}}-z_i). \tag{12}

Birinci termin aşağı-linearity həndəsəsini yüksək etimadla pipe elan edən proqnozları cəzalandırır. İkinci termin pipe sinfini dinamik yer səviyyəsi həddinin altına yerləşdirən proqnozlara müqavimət göstərir. Lakin tədqiqatın öz ablasyonu “support ordering” kimi fiziki fərziyyələrin çökmüş söküntü yığınında həmişə keçərli olmadığını göstərir.

Ümumi öyrənmə məqsədi

L_{\mathrm{total}} = L_{\mathrm{Focal}} + 0,5L_{\mathrm{Bound}} + \alpha L_Q + \beta L_R. \tag{13}

\(L_{\mathrm{Bound}}\) boundary head-in binary cross-entropy itkisidir. \(\alpha\) və \(\beta\) məlumat sübutu ilə kateqorik öncüllər arasındakı çəkini tənzimləyir. Mənbə bu meta-parametrlərin əl ilə tənzimləndiyini və müxtəlif sahə/sensor şəraitində optimal dəyərlərin dəyişə biləcəyini məhdudiyyət kimi qəbul edir.

Apperceptive Layer və curriculum self-training

Self-training üç etimad həddi ilə irəliləyir:

T=\{\tau_1,\tau_2,\tau_3\} = \{0,95,\ 0,90,\ 0,85\}.

İlk turda yalnız ən yüksək etimada malik pseudo-label-lar qəbul edilir. Sonrakı turlarda hədd yumşaldılaraq daha çətin bölgələr sistemə daxil edilir. İnsan tərəfindən boyanıb təsdiqlənən anchor bölgələri persistent \(M_{\mathrm{anchor}}\) maskasında saxlanılır və avtomatik proses bu etiketləri dəyişdirə bilməz.

Bir təlim addımında yeni pseudo-label ilə mövcud empirical label arasında uyğunsuzluq yaranarsa dəyişən nöqtələr və onların bir-hop qonşuları müəyyən edilir:

M_{\mathrm{changed}}^{(i)} = \mathbb{I} \left( \hat y_i^{(t)}\neq y_i^{\mathrm{emp}} \right), \qquad M_{\mathrm{prop}}^{(i)} = \max_{j\in M_{\mathrm{knn}}(i)} M_{\mathrm{changed}}^{(j)}. \tag{14}

Sonra supervision mask və nümunə çəkiləri dəyişdirilir:

M_{\mathrm{sup}}^{(i)} \leftarrow \mathrm{clip} \left( M_{\mathrm{sup}}^{(i)} + 0,7M_{\mathrm{changed}}^{(i)} + 0,3M_{\mathrm{prop}}^{(i)}, 0,0,1,0 \right), \] \[ W_{\mathrm{smpl}}^{(i)} \leftarrow \mathrm{clip} \left( W_{\mathrm{smpl}}^{(i)} + 5,0M_{\mathrm{changed}}^{(i)} + 1,0M_{\mathrm{prop}}^{(i)}, 1,0,5,0 \right). \tag{15}

Məqsəd mübahisəli bölgələrdə səhv pseudo-label zəncirinin qraf boyunca nəzarətsiz yayılmasının qarşısını almaqdır.

Mode-collapse brake

\max_{c\in\{1,\ldots,C\}} \frac{N_c}{N} > 0,85. \tag{16}

Hər hansı sinif ümumi pseudo-label sahəsinin %85-dən çoxunu ələ keçirirsə aktiv curriculum turu ləğv edilir və namizəd pseudo-label-lar rədd edilir. Bu mexanizm şəbəkənin bütün səhnəni tək dominant sinfə çevirdiyi degenerate həllərin qarşısını almağı hədəfləyir.

İnsan interfeysi necə işləyir?

İstifadəçi fırça ilə nöqtə bölgələrini seçib etiketləyə bilər. 3B koordinatların ekran koordinatlarına proyeksiyası klassik view/projection matrisi ilə aparılır:

\begin{bmatrix} x_{\mathrm{clip}}\\ y_{\mathrm{clip}}\\ z_{\mathrm{clip}}\\ w_{\mathrm{clip}} \end{bmatrix} = M_{\mathrm{projection}} M_{\mathrm{view}} \begin{bmatrix} x_i\\ y_i\\ z_i\\ 1 \end{bmatrix}. \tag{17}

Brush-drag yeniləməsi 50 ms ilə throttled vəziyyətdədir. Göstəriləcək aktiv nöqtələrin sayı 15.000-i keçəndə viewport təsadüfi downsample edilmiş proxy nöqtələrdən istifadə edərək >30 FPS hədəfləyir; lakin brush düzəlişləri tam çözünürlüklü koordinatlara yazılır.

Mənbə həmçinin proqnozları üç epistemik etimad qatına ayırır:

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

Problematic qat insan baxışına prioritetlə göndərilir.

Geometric fingerprint niyə var?

\mathrm{Checksum} = \mathrm{MD5} \left( \mathrm{ByteStream}(\mathrm{Round}(P,4)) \right). \tag{18}

Nöqtə koordinatları yuvarlaqlaşdırılaraq spatial checksum yaradılır; qlobal centroid və bounding box məlumatları ilə birlikdə saxlanılır. Məqsəd başqa point cloud-a aid label arxivinin səhvən mövcud səhnəyə tətbiq edilməsini aşkar etməkdir. Mənbə tətbiq təsvirində bunun təxminən 1 mm koordinat dəqiqliyində aparıldığını bildirir.

Təsadüfi Nöqtə Bölünməsi Niyə Yanıldıcı Uğur Yarada Bilər?

Eyni fiziki səhnədə qonşu nöqtələr həm təlim, həm test qrupuna təsadüfi paylanarsa xyz kimi mövqe kanalları materialın özünü tanımadan ətrafdakı etiketləri məkanda yaymağa imkan verə bilər; tədqiqatda rəng məlumatının %90-ı pozulmuş baza modelinin 0,839 mIoU-ya çatması bu “recognition əvəzinə interpolation” riskini ortaya qoyub.

Buna görə tədqiqat əsas qiymətləndirməni 4 × 4 checkerboard spatial block-holdout protokoluna keçirib. Seed annotation yalnız training hüceyrələrindən, sinif başına %5 səviyyəsində götürülüb; qiymətləndirmə held-out hüceyrələrdə aparılıb və xyz ilə normalized height giriş kanalları çıxarılıb.

Bu dəyişiklik mənbə nəticələrinin şərhini kökündən dəyişir. Random split altında raw xyz+rgb baseline 0,905–0,921 mIoU aralığında dominant görünür. Lakin müəlliflər bu dəyərləri həqiqi material tanıma performansı kimi qəbul etmir, yalnız protokol tələsinin göstəricisi kimi təqdim edirlər.

Block-holdout protokolunun da öz məhdudiyyəti var. Tək uzun pipe obyekti checkerboard bölünməsi ilə etibarlı şəkildə hold-out edilə bilməyib; held-out hüceyrələrdə 1.237 pipe nöqtəsi, training hüceyrələrində isə 20.004 pipe nöqtəsi qalıb. Buna görə əsas kəmiyyət stabilizasiya nəticələri concrete və brick sinifləri və onların class mean dəyəri üzərində qurulub, pipe sinfi bu kəmiyyət müqayisəsinə daxil edilməyib.

Tədqiqatın Metodu və Nəticələri

mIoU nəyi ölçür?

Aşağıdakı ifadə tədqiqatın nömrələnmiş yeni tənliyi deyil, istifadə edilən metrik üçün standart izahlı tərifdir:

IoU_c= \frac{TP_c} {TP_c+FP_c+FN_c}, \qquad mIoU= \frac{1}{C} \sum_{c=1}^{C}IoU_c.

IoU bir sinif üçün proqnozlaşdırılan və real bölgənin kəsişməsini onların birləşməsinə bölür. mIoU isə qiymətləndirməyə daxil edilən siniflərin IoU dəyərlərinin ortalamasıdır. Bu tədqiqatda vacib məqam yalnız orta mIoU-nun böyüklüyü deyil, eyni metod müxtəlif random seed və checkerboard phase altında təkrarlandıqda nəticənin nə qədər dəyişməsidir.

Əsas altı-təkrar nəticəsi

Konfiqurasiya	Mean mIoU ± std	Qaydasız quruluşa görə cütləşdirilmiş fərq	Müsbət təkrar	Paired t
none	0,499 ± 0,088	—	—	—
core	0,532 ± 0,063	+3,3 ± 11,5 bal	4/6	0,70
core+brick	0,499 ± 0,086	−0,0 ± 14,0 bal	3/6	−0,01
core+comm	0,550 ± 0,038	+5,1 ± 9,1 bal	5/6	1,37
all7	0,534 ± 0,046	+3,5 ± 12,6 bal	3/6	0,68

Core konfiqurasiyası color reality, elevation support və pipe shape olmaqla üç əsas prior-u ehtiva edir. core+brick brick planarity prior-unu; core+comm community smoothness prior-unu əlavə edir. all7, əsas üç qaydanı və dörd dəyişən qaydanın hamısını ehtiva edir.

Mənbə core+comm üçün orta +5,1 ballıq artımı “sübut edilmiş accuracy gain” kimi təqdim etmir. \(n=6\) səviyyəsində paired \(t=1,37\) əhəmiyyətli deyil. Bununla yanaşı run-to-run variance nisbəti \(F(5,5)=5,20\), %5 kritik \(F\) dəyəri 5,05 kimi verilib və variasiyanın sıxılması “marginally significant” kimi təsvir edilib.

Ən pis qaydasız qaçış 0,333 mIoU olduğu halda core+community konfiqurasiyasının ən pis qaçışı 0,495-dir. Fərq +0,162, yəni +16,2 mIoU balıdır. Mənbə “hallucination suppression” iddiasını xüsusilə bu katastrofik qaçışların aradan qaldırılması üzərindən kəmiyyətləşdirir.

Mənbə Cədvəl 2 və Figure 9-un dəqiq bildirilmiş orta, standart sapma və worst-case dəyərlərindən Verianla üçün yenidən çəkilib. Altı fərdi qaçışın mənbədə cədvəl kimi verilməyən nöqtələri yenidən yaradılmayıb.

Dörd dəyişən prior üçün factorial ablation

Üç core rule sabit açıq saxlanılıb və brick planarity, base support, cement scatter və community qaydaları üçün \(2^4=16\) kombinasiya qiymətləndirilib.

Qayda	Mean mIoU əsas təsiri	Şərh
Brick planarity	+3,3 bal	Ən güclü müsbət dəyişən qayda
Community	+1,8 bal	Müsbət töhfə
Cement scatter	−0,3 bal	Yüngül mənfi
Base support	−1,9 bal	Çökmüş yığının sağlam dəstək sıralaması fərziyyəsini pozması səbəbilə mənfi

Bu nəticə fiziki prior-un yalnız “fizika biliyi daşıdığı üçün” faydalı olmadığını göstərir. Prior-un ilkin fərziyyəsi səhnədə keçərli deyilsə, yanlış yönləndirici ola bilər. Mənbənin base-support nümunəsi məhz budur: nizamlı tikilidə gravitational support gözləntisi çökmüş dağıntı yığınında sistematik şəkildə pozula bilər.

Toz və rəng itkisi robustness təcrübəsi

Tədqiqat rəng məlumatını mərhələli şəkildə toz rənginə doğru pozmaq üçün aşağıdakı çevirmədən istifadə edir:

c' = (1-\lambda)c + \lambda d_{\mathrm{dust}} + \mathcal{N}(0,0,03\lambda).

\(\lambda=0\) orijinal rəng, \(\lambda=0,9\) isə rəng siqnalının çox böyük ölçüdə pozulduğu şərtdir. Mənbə full model performansının bu aralıqda 20,1 bal azaldığını; color-free baseline-ın isə yalnız 6,9 bal itirdiyini bildirir. Bu vəziyyət color-reality prior-un öz empirical fərziyyəsi pozulduqda “anti-knowledge” halına gələ biləcəyini göstərir.

Bunun əksinə pipe sinfini qoruyan linearlıq prior-u daha formal-həndəsi qaydadır və mənbə pipe performansının rəng pozulması boyunca təxminən 0,83–0,85 aralığında qaldığını bildirir.

Başqa robustness nəticəsi mövqe kanallarının domain shift altında təhlükəsini göstərir. Block holdout altında positional channels olan full model 0,292 mean mIoU-ya düşərkən, eyni arxitekturanın positional channels çıxarılmış versiyası 0,608-ə çatıb.

Annotasiya iqtisadiyyatı

İş axını mərhələsi	Sıx manual	KNS-PS HITL
Seed anchor painting (%1 büdcə)	—	12 dəq
Dense point-wise brush annotation	190 dəq	—
Boundary refinement & disentanglement	62 dəq	—
Curriculum self-training — 3 tur	—	9 dəq nəzarətsiz maşın vaxtı
Problematic-strata review & correction	—	16 dəq
Final verification pass	14 dəq	9 dəq
Ümumi ekspert vaxtı	266 dəq	37 dəq
Mənbədə bildirilən ekspert-vaxtı azalması	—	%86,1

\frac{266-37}{266}\times100 \approx86,1\%.

Mənbə bu hesabı yalnız expert interaction time əsasında aparır. 9 dəqiqəlik curriculum machine time nəzarətsiz olduğuna görə iki iş axınının ekspert vaxtı cəminə daxil edilməyib. Kompüter enerjisi, avadanlıq vaxtı və ya bütün sistemin wall-clock xərci üçün %86,1 qənaət iddiası çıxarıla bilməz.

Reverse Schematism Nədir və BIM-Ready Həndəsəni Necə Yaradır?

Reverse schematism insan tərəfindən təsdiqlənmiş semantik nöqtə etiketlərindən material ailəsinə xas həndəsi qaydalardan istifadə edərək parametrik və ya watertight bərk cisimlər yaradan son emal mərhələsidir; boru/armatur üçün silindr, kərpic üçün standart modul və bond pattern, beton üçün adaptive alpha-shape istifadə olunur.

Miqyas kalibrlənməsi

Fotogrammetrik nöqtə buludunun metrik miqyası birbaşa etibarlı olmadığı üçün mənbə açıq brick band-in standart stretcher face ölçüsündən istifadə edərək miqyas faktorunu müəyyən edir:

k= \frac{240\ \mathrm{mm}} {\mathrm{median}(\text{brick-band major length})}.

Təxmin standart vahidə ±%20 daxilində yaxınlaşırsa unit lock tətbiq olunur və sonrakı həndəsə hesabı millimetr fəzasında aparılır.

Boru və armatur

DBSCAN fiziki olaraq ayrı elementləri qruplaşdırır. Hər qrupun əsas oxu PCA ilə, radiusu isə oxa radial məsafələrin medianı ilə müəyyən edilir. Mənbənin şərhinə görə həndəsi “silindr” forması a priori qəbul edilir; real uzunluq, mövqe, ox və radius kimi kəmiyyətlər məlumatdan ölçülür. Hər element yeddi parametrlə təmsil olunur.

Kərpic şablonu

Mənbə brick üçün standart modulu:

T=(240,\ 120,\ 60)\ \mathrm{mm}

kimi, mortar gap-i \(g=10\) mm kimi müəyyənləşdirir. Mortar pitch:

\[ P=T+g \]

əlaqəsi ilə qurulur. Bond-pattern verilənlər bazasında running bond, English bond, Flemish bond, three-stretcher-one-header və header/shiner variantları var.

Brick template packing dörd əsas addımdan ibarətdir: PCA əsaslı frame-in small-angle sweep ilə yaxşılaşdırılması, modulyar residual istifadə etməklə ox təyinatı, mortar joint-lərə görə phase alignment və kifayət qədər nöqtə dəstəyi olan lattice hüceyrələrində vahid brick solid-lərin yaradılması. Mənbə ilkin PCA frame span səhvinin təxminən 27 mm-dən təxminən 3 mm-ə endirildiyini bildirir.

Beton həndəsəsi

Beton üçün vahid parametrik forma məcbur edilmir. Hər DBSCAN concrete clump və sərhədləri daxilində olan pipe/rebar nöqtələri adaptive alpha-shape ilə örtülür:

\alpha= \max(4\bar d,\ 20\ \mathrm{mm}),

burada \(\bar d\) orta qonşu nöqtə məsafəsidir. Bu yanaşma betonun nizamsız həndəsəsini mümkün qədər məlumatdan asılı saxlayır.

Mənbə tədqiqatın reverse-schematism metod əlaqələrinə əsaslanaraq Verianla üçün müstəqil, miqyassız sxem kimi hazırlanıb.

Brick template-packing sintetik təsdiqi

Ssenari	Gözlənilən	Yaradılan	Mənbə qeydi
3 × 2 brick wall, mortar joints	6	6	Mərkəz xətası ≤ 0,4 mm
5 × 4 brick wall	20	20	—
37° maili tək brick	1	1	Mərkəz xətası 0,2 mm
Double-course stack	2	2	Axis assignment ilə həll edildi
2 × 2 × 2 pile	8	8	—
High-noise 3 × 2 wall	6	6	2× səs-küy
Half-broken brick	0–1	1	Tam modula tamamlandı
Beş bond-pattern wall	136	136	Bütün orientation-lar düzgündür
Double band, %35 occlusion	12	12	Orta mərkəz xətası 8,8 mm

Mənbə həmçinin full, half və obliquely clipped sintetik solid-lərdə divergence-theorem volume integral nəticələrinin nəzəri həcmlərlə uyğun gəldiyini; voxel çözünürlüyü və morphological closing-dən sonra clipped-solid həcmlərinin ground truth-a ±%6 daxilində olduğunu; sparse-band solidification-ın 5,76 L real həcmə qarşı 5,3–5,5 L yaratdığını bildirir.

Real qiymətləndirmə səhnəsində həndəsə benchmarkı

Envelope backend	Müddət (s)	Üçbucaq	Watertight	Boundary edges
Adaptive alpha-shape	13,7	50.558	7/7	%0,00
Poisson reconstruction	13,9	109.528	4/7	%0,72
Gaussian-splat shell	15,3	35.172	7/7	%0,00

Bu cədvəl yalnız “ən az üçbucaq = ən yaxşı” kimi şərh edilməməlidir. Gaussian-splat shell ən kompakt mesh-i yaradıb və watertight qalıb; lakin mənbə brick course strukturlarını güclü smoothing altında cement-dominated tək envelope içinə udduğunu bildirir. Poisson daha incə class boundary ayrımlarını qoruyub, lakin üç mesh-i açıq saxlayıb. Adaptive alpha-shape isə tədqiqatın öz real səhnəsində həm watertightness, həm də class partition qorunması baxımından üstün tutulan backend olub.

Reverse-schematism-in məlum xətaları

Mənbə bu mərhələni qüsursuz göstərmir. Yalnız iki üzü görünən brick-lərdə 1–2,5 cm frame ambiguity qala bilər. Gravity-fill prior asılı geometriyanı həddindən artıq solid hala gətirə bilər. Clipped səthlər təxminən 8 mm voxel staircase izi daşıya bilər. Bu səhvlər modelin uğursuzluğunu gizlətmək əvəzinə konkret prior-larla əlaqələndirilir.

Tədqiqatın dəstəklədiyi nəticələr

Random point split + positional channels tək-səhnəli 3B seqmentasiyada həqiqi recognition əvəzinə spatial interpolation ölçə bilər.
KNS-PS kateqorik prior-ları altı təkrarda worst-case mIoU sərhədini yüksəldib və qaçışdan-qaçışa dəyişkənliyi azaldıb.
+5,1 ballıq mean mIoU artımı mənbədə statistik olaraq sübut edilmiş orta accuracy gain kimi qəbul edilməyib.
Brick planarity və community prior-ları factorial ablasyonda müsbət əsas təsir göstərib.
Yanlış səhnə fərziyyəsinə əsaslanan base-support prior mənfi təsir göstərə bilər.
Color-reality prior güclü chromatic domain shift altında pozula bilər.
HITL iş axını ölçülən ekspert qarşılıqlı fəaliyyət müddətini 266 dəqiqədən 37 dəqiqəyə endirib.
Reverse-schematism təsdiqlənmiş etiket sahəsindən parametrik/watertight həndəsə yarada bilib.

Tədqiqatın dəstəkləmədiyi nəticələr

KNS-PS-in bütün CDW səhnələrində orta dəqiqliyi statistik olaraq artırdığı sübut edilməyib.
Nəticələr çox-səhnəli müstəqil benchmark təsdiqi deyil.
Pipe sinfi əsas block-holdout kəmiyyət stabilizasiya nəticəsinə daxil edilməyib.
%86,1 dəyəri ümumi kompüter/enerji/emal xərcindəki azalma deyil; ekspert qarşılıqlı fəaliyyət vaxtıdır.
Kantçı fəlsəfənin “doğru AI nəzəriyyəsi” olduğu eksperimental olaraq sübut edilməyib; tədqiqat fəlsəfi kateqoriyaları mühəndislik dizayn prinsiplərinə çevirir.
Reverse-schematism çıxışının bütün BIM proqramlarında avtomatik və problemsiz işləyəcəyi göstərilməyib.
ROS 2/MoveIt 2 ilə avtonom fiziki söküntü bu tədqiqatda həyata keçirilmiş təcrübə deyil.
XR əsaslı tam sahə apperception və closed-loop KUKA icrası bu məqalənin tamamlanmış təsdiqi deyil.

Tədqiqatın əsas məhdudiyyətləri

Tək səhnə: bütün əsas kəmiyyət seqmentasiya nəticələri tək bir səhnəyə əsaslanır. CODD, ZeroWaste və fərqli fiziki xüsusiyyətlərə malik ikinci səhnədə sistematik benchmarking gələcək iş kimi saxlanılıb.

Pipe holdout problemi: checkerboard block-holdout tək uzun pipe obyektini müstəqil test hissəsinə çevirməkdə uğursuz olduğundan əsas stabilizasiya iddiaları concrete, brick və onların sinif ortalaması ilə məhduddur.

Statistik güc: ən yaxşı mean gain \(n=6\) təkrar altında əhəmiyyətli deyil. Buna görə mənbənin əsas claim-i accuracy deyil, stability-dir.

Rule selection leakage riski: rule konfiqurasiyaları eyni səhnədə seçilib və qiymətləndirilib. Başqa səhnədə qayda seçimi/təsdiqi aparılmadan “ümumi optimal qayda dəsti” demək olmaz.

Domain shift: color-reality prior-un əsaslandığı rəng quruluşu toz, işıq və ya sensor dəyişikliyi ilə pozula bilər. Mənbə eyni zamanda rəng və mövqe məlumatının ciddi itkisi zamanı %5 seed həndəsi öyrənmənin də 0,17–0,20 mIoU səviyyəsinə düşdüyünü capability boundary kimi göstərir.

Hand-tuned meta-parametrlər: \(\alpha\), \(\beta\), curriculum thresholds \(T\) və %85 mode-collapse ceiling mənbə tərəfindən əl ilə tənzimlənmiş parametrlərdir.

195.569 / 237.560 nöqtə fərqi: interfeys/reconstruction qiymətləndirməsi ilə labor-economics qiymətləndirməsi fərqli point count-larla bildirilir. Mənbə bu fərqin preprocessing, fərqli nümunə və ya başqa məlumat mərhələsindən qaynaqlanıb-qaynaqlanmadığını açıq şəkildə izah etmir.

Robotik və XR inteqrasiyasının real vəziyyəti

Məqalə fiziki robotik söküntü təcrübəsi etdiyini iddia etmir. Mənbə bunu açıq şəkildə gələcək inteqrasiya yolu kimi ayırır. Bununla yanaşı rcxr adlı Godot əsaslı inteqrasiya interfeysinin hazırlanmaqda olduğu bildirilir. Bu arxitekturda wrist-mounted RealSense D415, altı oxlu KUKA KR210, Raspberry Pi 5 acquisition node, ROS 2 TSDF fusion, Godot front end və USD üzərindən NVIDIA Omniverse/Isaac Sim xəritələmə komponentləri təsvir edilir.

Mənbə Figure 16-da komponentləri implemented, in progress və planned kimi ayırır. KNS-PS semantic segmentation-ın bu acquisition pipeline-a əlavə edilməsi, MoveIt 2 planlaşdırması və physical KR210 üzərində closed-loop execution gələcək mərhələlərdir. Buna görə mövcud tədqiqatın seqmentasiya nəticəsini “robot söküntünü uğurla həyata keçirdi” kimi genişləndirmək düzgün deyil.

Mənbə və Metod Qeydi

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

Müəlliflər: Yüklənmiş PDF-in başlıq səhifəsində müəllif adları yoxdur. Etibarlı rəsmi biblioqrafik qeyd vasitəsilə təsdiqlənmədiyi üçün ad əlavə edilməyib.

Məsul müəllif: Yüklənmiş PDF-də göstərilmir.

Bərabər töhfə: Yüklənmiş PDF-də göstərilmir.

Qurum / afiliyasiya: Yüklənmiş PDF-də müəllif afiliyasiyaları göstərilmir.

Mənbə növü: Az nümunəli 3B point-cloud semantic segmentation, Human-in-the-Loop annotasiya, neuro-symbolic learning və həndəsi reconstruction ehtiva edən hesablama yönümlü tədqiqat preprinti.

Resenziya statusu: PDF hər səhifədə “This preprint research paper has not been peer reviewed” ifadəsini daşıyır.

Platforma: SSRN.

SSRN abstract nömrəsi: 7624637.

Rəsmi keçid: https://ssrn.com/abstract=7624637

DOI: Yüklənmiş PDF-də verilməyib və etibarlı rəsmi mənbədən təsdiqlənmədiyi üçün təxmin edilməyib.

Posting / nəşr tarixi: Yüklənmiş məqalə mətnində biblioqrafik posting tarixi göstərilmir. PDF fayl metadata tarixləri elmi nəşr tarixi kimi qəbul edilməyib.

Jurnal / cild / nömrə: Baxılan mənbə journal version of record deyil; bu biblioqrafik sahələr mənbədə yoxdur.

Lisenziya: Açıq Creative Commons təkrar istifadə lisenziyası təsdiqlənməyib. Buna görə mənbə fiqurları birbaşa kopyalanmayıb.

Mərkəzi model: Kantian Neuro-Symbolic Perception System (KNS-PS), dual-head EdgeConv əsaslı graph neural network + diferensiallana bilən categorical priors + Human-in-the-Loop curriculum self-training.

Giriş xüsusiyyətləri: Normallaşdırılmış 3B koordinatlar, RGB, istiqamətli səth normalları, covariance-derived linearity, planarity və scattering.

Qraf strukturu: 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: Linearity threshold \(L_i=0,6\) həddi mənbə tənliyində istifadə olunur.

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

Mode-collapse brake: Tək bir sinif pseudo-label sahəsinin %85-dən çoxunu ələ keçirirsə aktiv tur rədd edilir.

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

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

İnterfeys: 15.000 nöqtədən yuxarı viewport üçün LOD/downsample; hədəf >30 FPS; brush projection yeniləməsi 50 ms throttle.

Optimizer / öyrənmə sürəti / batch size / GPU avadanlığı: Mənbədə açıq şəkildə bildirilmiş etibarlı dəyər müəyyən edilməyib; çatışmayan sahələr doldurulmayıb.

Əsas qiymətləndirmə protokolu: 4 × 4 spatial checkerboard block-holdout; training cell-lərdən sinif başına %5 seed; held-out cell qiymətləndirməsi; positional xyz/normalized-height kanalları çıxarılıb.

Əsas təkrar sayı: Beş rule configuration üçün altı paired random-seed/checkerboard-phase təkrarı.

Əsas performans şərhi: Core+community mean mIoU artımı +5,1 bal olsa da \(n=6\)-da əhəmiyyətli deyil; əsas sübut variasiyanın 5,2 dəfə azalması və worst-case floor-un 0,333-dən 0,495-ə yüksəlməsidir.

Factorial ablation: Üç core rule sabit olduğu halda dörd variable rule üçün \(2^4=16\) kombinasiya. Main effects: brick planarity +3,3; community +1,8; cement scatter −0,3; base support −1,9 mIoU balı.

Annotasiya iqtisadiyyatı: 237.560 nöqtəli səhnədə dense manual expert time 266 dəq; KNS-PS expert interaction 37 dəq; mənbədə bildirilən azalma %86,1. Təxminən 9 dəq unattended curriculum machine time ekspert vaxtına daxil edilməyib.

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, \(\alpha=\max(4\bar d,20\ \mathrm{mm})\).

Real səhnə envelope benchmarkı: 195.569 nöqtə, yeddi class-level component. 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, lakin mənbədə həddindən artıq smoothing səbəbilə class structure itkisi bildirilib.

Mənbədaxili point-count fərqi: Figure 5 / reverse reconstruction 195.569 nöqtəli qiymətləndirmə səhnəsini; labor-economics Table 3 isə 237.560 nöqtəli evaluation scene-i istifadə edir. Əlaqə mənbədə açıq şəkildə izah edilmədiyindən bərabərləşdirilməyib.

Maliyyələşdirmə: Yüklənmiş PDF-də ayrıca funding bəyanatı müəyyən edilməyib.

Müəllif töhfələri / CRediT: Yüklənmiş PDF-də ayrıca CRediT authorship contribution statement müəyyən edilməyib.

Generativ süni intellekt bəyanatı: Müəlliflər Claude (Anthropic) istifadə etdiklərini; istifadənin abzas təşkilatı/tərtibatı və ingilis dili qrammatikası yoxlanışı məqsədi daşıdığını; əsas anlayışların, təklif olunan çərçivənin və inkişafın müəlliflərdən qaynaqlandığını; yekun məzmun məsuliyyətini üzərlərinə götürdüklərini bəyan edirlər.

Maraqların toqquşması: Müəlliflər məlum rəqib maliyyə marağının və ya tədqiqata təsir edə biləcək şəxsi münasibətin olmadığını bəyan edirlər.

Məlumatların əlçatanlığı: “Data will be made available on request.” bəyanatı var.

Əsas metodoloji məhdudiyyət: Tək-səhnə qiymətləndirməsi, pipe sinfinin əsas block-holdout nəticəsindən çıxarılması, qayda seçiminin eyni səhnədə aparılması, kiçik təkrar sayı və əl ilə tənzimlənmiş prior/curriculum meta-parametrləri ümumiləşdirilə bilməni məhdudlaşdırır.

Robotik/XR vəziyyəti: Fiziki robotic deconstruction experiment bu tədqiqatda həyata keçirilməyib. rcxr acquisition/digital-twin inteqrasiyası hazırlanmaqdadır; KNS-PS semantic insertion, MoveIt 2 və closed-loop physical execution gələcək mərhələlər kimi təqdim olunur.

Məlumatlandırma və Düzəliş Qeydi

Bu məzmun müvafiq akademik tədqiqat əsas götürülərək süni intellekt dəstəkli vasitələrdən istifadə edilməklə hazırlanmışdır. Məqsəd tədqiqatın əsas mövzusunu, metodunu və nəticələrini daha anlaşıqlı və əlçatan formada təqdim etməkdir.

Məzmun hazırlanarkən mənbə tədqiqata sadiq qalmağa diqqət yetirilsə də, süni intellekt dəstəkli məzmun istehsalı proseslərində məna, ifadə, tərcümə və ya şərhlə bağlı səhvlər yarana bilər. Elmi, texniki və ya kontekstual xəta aşkar etdiyiniz halda bizi info@verianla.com.tr ünvanı vasitəsilə məlumatlandıra bilərsiniz. Bildirilən məsələlər araşdırılaraq zəruri düzəlişlər ediləcəkdir.

Bundan əlavə, Verianla-da tədqiqatına yer verilən məqalənin müəllifi, hüquq sahibi və ya səlahiyyətli nümayəndəsi müvafiq məzmunun yayımdan çıxarılmasını tələb edə bilər. Silinmə tələbi üçün məqalənin keçidini və tələbin qısa izahını info@verianla.com.tr ünvanına göndərmək kifayətdir. Tələb araşdırıldıqdan sonra zəruri tədbir görüləcəkdir.

Verianla akademik tədqiqatları əvəz etməyi deyil, elmi məzmunun daha geniş auditoriya tərəfindən anlaşılmasına töhfə verməyi hədəfləyir. Akademik və ya peşəkar qiymətləndirmələrdə həmişə tədqiqatın orijinal mənbəyinə əsaslanmaq tövsiyə olunur.

Paylaşın: