放射線認識/ロボティクス2026/10/18arXiv:2610.25225

ROS上でのAIによる放射線分類

AI-Enhanced Radiation Classification in ROS

ROSノードで放射性同位体7種を勾配ブースティングで分類し、Jackal UGVに検出器を搭載して実環境で評価した論文。

詳しい要約

1. どんなもの？

- ROS上で動作する2つのノードを開発し、7種類の放射性同位体を識別するシステム - model training node: Gradient Boosting classifierで同位体を分類 - prediction node: ユーザーがCSV形式で入力したデータの分類結果を返す - C12137 radiation detector moduleをJackal UGVに搭載し、運用者が線源に接近してデータ収集 - gamma-spectrum graph画像をCSVに変換する手法も開発し、将来のdataset拡張を支援

2. 先行研究と比べてどこがすごい？

- 先行研究との具体的比較は要旨からは不明 - 本研究の特徴として、ROS nodeとして実装しUGV(Jackal UGV)にradiation detector(C12137)を搭載したロボット実環境評価まで行っている点が挙げられる - held-out test datasetで95%のoverall accuracyを報告

3. 技術・手法の肝は？

- Gradient Boosting classifierによる7種類の放射性同位体の分類 - ROS上にmodel training nodeとprediction nodeの2ノード構成 - C12137 radiation detector moduleをJackal UGVに搭載してデータ収集 - gamma-spectrum graph画像をCSVファイルへ変換する手法を開発

4. どうやって有効だと検証した？

- held-out test datasetでoverall accuracy 95%を達成 - 3つの線源位置におけるロボット評価で42試行中30試行が正しく分類(71.43%) - 同位体別ではAm-241, Co-60, Cs-137, Na-22, Ti-44が各6試行すべて正しく分類 - Ba-133とEu-152は各6試行すべて誤分類 - ロボット試行の精度はheld-out test setより低い結果

5. 議論はある？

- ロボット実環境での精度(71.43%)がheld-out test set(95%)より低い点が示されている - Ba-133とEu-152が全試行で誤分類された原因や改善策についての詳細は要旨からは不明 - データ収集条件や線源位置の影響など、精度低下の要因分析は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照・比較されている研究は明示されていない - 関連手法としてGradient Boosting classifier、ROS、Jackal UGV、C12137 radiation detector moduleが挙げられる - 同分野の定番としてradiation detectionやgamma-spectrum classificationに関する先行研究を参照すべき(具体名は要旨からは不明)

※ 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: Youngseo Lee, Cesar Alan Contreras, Tianshu Ruan, Manolis Chiou, Rustam Stolkin

分類: cs.RO

原文アブストラクト

This study presents the development of two Robot Operating System (ROS) nodes with a primary focus on differentiating seven radioactive isotopes. The first node, referred to as the model training node, uses a Gradient Boosting classifier to identify and classify these isotopes. The classifier achieved a reported overall accuracy of 95\% on the held-out test dataset. The second node, known as the prediction node, provides classification results when users input data in CSV format. For the practical demonstration, the C12137 radiation detector module was mounted on the Jackal UGV, and an operator approached different radiation sources to collect data. To support future dataset expansion, we also developed a method for converting gamma-spectrum graph images into CSV files. In a separate robotic evaluation across three source locations, 30 of 42 trials were correctly classified (71.43\%). Am-241, Co-60, Cs-137, Na-22, and Ti-44 were correctly classified in all six trials each, whereas Ba-133 and Eu-152 were incorrectly classified in all six trials each. These results show lower accuracy in robotic trials than in the held-out test set.

arXivで原文を読む →arXiv概要ページ

← 論文一覧