日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2609.31690

産業用物体検出における人間可読なXAIのための視覚言語モデル適応

Adapting Vision-Language Models for Human-Readable XAI in Industrial Object Detection

シェア:XThreadsFacebookLINEはてブBluesky

産業製造ラインの物体検出において、非専門家向けに直感的な説明を生成する視覚言語モデルを微調整し、XAIインターフェースを構築した。

詳しい要約

1. どんなもの?

- 産業用物体検出におけるXAIインターフェースを提案 - 微調整したvision-language modelを用いて非専門家向けの直感的な説明を生成 - 製造ラインの品質管理などでAIを利用するブルーカラー労働者を対象 - 既存のXAIは技術専門家向けでアクセシビリティが低い問題に対処

2. 先行研究と比べてどこがすごい?

- 既存のvision-language modelは非専門家向けの明確で文脈に合った説明が不十分 - 微調整により説明の明確さ、指示遵守、画像との接地性、文脈認識でGPT 4o-miniを上回る - 独自および公開ロボティクスデータセットで改善を実証 - 製造分野でのAI説明のアクセシビリティとユーザビリティを向上

3. 技術・手法の肝は?

- vision-language modelを微調整し、XAIインターフェースに統合 - 非専門家向けに文脈化されたアクセス可能な説明を生成 - 既存のvision-language modelをベンチマークし、out-of-the-boxモデルの限界を確認 - 微調整により説明の質を改善

4. どうやって有効だと検証した?

- 独自データセットと公開ロボティクスデータセットで評価 - GPT 4o-miniと比較し、説明の明確さ、指示遵守、画像接地性、文脈認識の改善を実証 - ベンチマークによりout-of-the-boxモデルの不足を定量的に示す

5. 議論はある?

- 要旨からは不明

6. 次に読むべき論文は?

- GPT 4o-mini - 既存のvision-language model(ベンチマーク対象) - 公開ロボティクスデータセットに関連する研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Sarvenaz Sardari, Freddy Fernandes, Samarth Yelvande, Jose Moises Araya-Martinez, Alina Roitberg

分類: cs.CV, cs.AI

原文アブストラクト

Explainable Artificial Intelligence (XAI) solutions are essential for building trust in AI technologies and their integration in real manufacturing lines. However, most existing methods are tailored to technical experts, limiting their accessibility to diverse user groups such as blue-collar workers in manufacturing lines who use AI for quality control. In this work, we introduce an XAI interface for object detection in industrial manufacturing based on a fine-tuned vision-language model, designed to generate intuitive explanations for non-expert users. We benchmark existing vision-language models and demonstrate that out-of-the-box models often fall short in delivering clear, context-relevant explanations for non-expert users. To address this, we fine-tune a vision-language model and integrate it into our interface, enabling contextualized, accessible explanations for non-expert users. We demonstrate improvements in explanation clarity, instruction adherence, image groundedness, and contextual awareness over GPT 4o-mini on proprietary and public robotics dataset. This approach advances the accessibility and usability of AI explanations, making them more intuitive and applicable in manufacturing domain.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI