석유화학 물류의 위험 화물 취급 절차 이해를 위한 비전 벤치마크 GSO-Net
GSO-Net: Visual State Machines for Hazardous Freight Transfer Compliance at Petrochemical Logistics Nodes
arXivGSO-Net은 석유화학 물류 시설의 위험 화물 취급 과정에서 절차 준수 여부를 검증하는 대규모 비전 벤치마크입니다.
- 이 데이터셋은 9개의 거시적 절차 단계와 15개의 미세 운영 상태를 연결하여, 현장의 표준 작업 절차(SOP) 이해도를 측정합니다.
- 기존 AI 모델들은 불완전하거나 간헐적인 관측 환경에서 복잡하고 연속적인 작업 단계를 파악하는 데 어려움을 보입니다.
- 안전 모니터링 시스템 개발 시, 희소한 데이터와 미세 목표물에 대한 정밀한 상태 추적(State Grounding)을 반드시 고려해야 합니다.
석유화학 물류 노드에서의 위험 화물 취급 작업은 지능형 운송 시스템에서 안전에 매우 중요한 요소입니다. 하지만 기존의 비전 들은 현실적인 배치 제약 조건 하에서의 절차적 준수 여부를 다루지 못했습니다. 대규모 인프라 네트워크에서는 카메라가 간헐적으로 폴링하는 경우가 많아, 작업 상태를 불완전한 관측과 국소적인 증거로부터 추론해야 하는 어려움이 있습니다.
GSO-Net은 이러한 문제를 해결하기 위해 개발된, 석유화학 위험 화물 취급 시나리오에서의 비전 기반 표준 작업 절차(SOP) 이해에 특화된 대규모 공개 벤치마크입니다. 이 데이터셋은 64개의 실제 고속도로 석유화학 물류 노드에서 수집된 50,000개 이상의 독립적으로 샘플링된 프레임으로 구성되어 있으며, SOP 기반의 계층 구조를 통해 9개의 거시적 절차 단계와 15개의 미세 운영 상태를 연결합니다.
이 벤치마크는 미세 상태 및 거시 단계를 공동 탐지하는 핵심 과제와 프레임 단위 단계 분류라는 진단 참조 과제를 정의합니다. 실험 결과, 현재의 모델들은 객체 인식과 실제 운송 단계 이해 사이에 명확한 격차가 있음을 보여주었습니다. 특히 희소 폴링 환경이나 미세 목표물 조건에서는 접촉 수준의 상태 추적(State Grounding) 및 단계 일관성 확보에 취약함을 확인했습니다.
용어 풀이
- 벤치마크
- 모델 성능을 같은 조건에서 비교하려고 만든 시험 문제 모음.