view in publisher's site

Artificial intelligence (AI) in augmented reality (AR)-assisted manufacturing applications: a review

ABSTRACT Augmented reality (AR) has proven to be an invaluable interactive medium to reduce cognitive load by bridging the gap between the task-at-hand and relevant information by displaying information without disturbing the user's focus. AR is particularly useful in the manufacturing environment where a diverse set of tasks such as assembly and maintenance must be performed in the most cost-effective and efficient manner possible. While AR systems have seen immense research innovation in recent years, the current strategies utilised in AR for camera calibration, detection, tracking, camera position and orientation (pose) estimation, inverse rendering, procedure storage, virtual object creation, registration, and rendering are still mostly dominated by traditional non-AI approaches. This restricts their practicability to controlled environments with limited variations in the scene. Classical AR methods can be greatly improved through the incorporation of various AI strategies like deep learning, ontology, and expert systems for adapting to broader scene variations and user preferences. This research work provides a review of current AR strategies, critical appraisal for these strategies, and potential AI solutions for every component of the computational pipeline of AR systems. Given the review of current work in both fields, future research work directions are also outlined.

هوش مصنوعی (AI)در کاربردهای تولیدی واقعیت افزوده (AR): یک بررسی

چکیده واقعیت افزوده (AR)ثابت کرده‌است که یک رسانه تعاملی ارزشمند برای کاهش بار شناختی با پل زدن فاصله بین وظیفه در دست و اطلاعات مرتبط با نمایش اطلاعات بدون ایجاد اختلال در تمرکز کاربر است. AR به ویژه در محیط تولید که در آن مجموعه‌ای متنوع از وظایف مانند مونتاژ و تعمیر و نگهداری باید به موثرترین و کارآمدترین شیوه ممکن انجام شود، مفید است. در حالی که سیستم‌های AR نوآوری تحقیقاتی عظیمی را در سال‌های اخیر دیده‌اند، استراتژی‌های فعلی مورد استفاده در AR برای کالیبراسیون، تشخیص، ردیابی، موقعیت دوربین و تخمین جهت (ژست)، رندرینگ معکوس، ذخیره‌سازی روند، ایجاد شی مجازی، ثبت، و رندرینگ هنوز هم اغلب توسط رویکردهای سنتی غیر AI غالب هستند. این کار عملی بودن آن‌ها را در محیط‌های کنترل‌شده با تغییرات محدود در صحنه محدود می‌کند. روش‌های AR کلاسیک می‌توانند تا حد زیادی از طریق ادغام استراتژی‌های مختلف AI مانند یادگیری عمیق، هستی‌شناسی، و سیستم‌های خبره برای تطبیق با تغییرات صحنه گسترده‌تر و اولویت‌های کاربر بهبود یابند. این کار تحقیقاتی، مروری بر استراتژی‌های AR فعلی، ارزیابی انتقادی این استراتژی‌ها، و راه‌حل‌های بالقوه AI برای هر جز خط لوله محاسباتی سیستم‌های AR فراهم می‌کند. با توجه به بررسی کار فعلی در هر دو زمینه، جهت کاره‌ای تحقیقاتی آینده نیز مشخص شده‌است.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Strategy and Management
  • ترجمه مقاله Strategy and Management
  • مقاله استراتژی و مدیریت
  • ترجمه مقاله استراتژی و مدیریت
  • مقاله Industrial and Manufacturing Engineering
  • ترجمه مقاله Industrial and Manufacturing Engineering
  • مقاله مهندسی صنایع و ساخت
  • ترجمه مقاله مهندسی صنایع و ساخت
  • مقاله Management Science and Operations Research
  • ترجمه مقاله Management Science and Operations Research
  • مقاله علوم مدیریت و پژوهش عملیاتی
  • ترجمه مقاله علوم مدیریت و پژوهش عملیاتی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.