論文の概要: A Survey of FPGA-Based Robotic Computing

• arxiv url: http://arxiv.org/abs/2009.06034v3
• Date: Fri, 5 Mar 2021 04:56:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 03:15:59.678952
• Title: A Survey of FPGA-Based Robotic Computing
• Title（参考訳）: FPGAに基づくロボットコンピューティングに関する調査
• Authors: Zishen Wan, Bo Yu, Thomas Yuang Li, Jie Tang, Yuhao Zhu, Yu Wang, Arijit Raychowdhury, Shaoshan Liu
• Abstract要約: ロボットアルゴリズムの高速計算とデータ複雑さは、その応用に大きな課題をもたらす。 特別に設計されたハードウェアロジックとアルゴリズムカーネルにより、FPGAベースのアクセラレータはCPUとGPUを性能とエネルギー効率で上回ることができる。 ソフトウェアとハードウェアの最適化技術と主要な技術的問題の解析と、いくつかの商用および宇宙アプリケーションについて述べる。
• 参考スコア（独自算出の注目度）: 14.678669738217552
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent researches on robotics have shown significant improvement, spanning from algorithms, mechanics to hardware architectures. Robotics, including manipulators, legged robots, drones, and autonomous vehicles, are now widely applied in diverse scenarios. However, the high computation and data complexity of robotic algorithms pose great challenges to its applications. On the one hand, CPU platform is flexible to handle multiple robotic tasks. GPU platform has higher computational capacities and easy-touse development frameworks, so they have been widely adopted in several applications. On the other hand, FPGA-based robotic accelerators are becoming increasingly competitive alternatives, especially in latency-critical and power-limited scenarios. With specialized designed hardware logic and algorithm kernels, FPGA-based accelerators can surpass CPU and GPU in performance and energy efficiency. In this paper, we give an overview of previous work on FPGA-based robotic accelerators covering different stages of the robotic system pipeline. An analysis of software and hardware optimization techniques and main technical issues is presented, along with some commercial and space applications, to serve as a guide for future work.
• Abstract（参考訳）: 近年のロボット工学の研究は、アルゴリズム、メカニクス、ハードウェアアーキテクチャなど、大幅に改善されている。 マニピュレータ、脚ロボット、ドローン、自動運転車を含むロボットは現在、さまざまなシナリオで広く適用されている。 しかし、ロボットアルゴリズムの計算量とデータの複雑さは、その応用に大きな課題をもたらす。 一方、CPUプラットフォームは複数のロボットタスクを処理できる柔軟性がある。 GPUプラットフォームは高い計算能力と使いやすい開発フレームワークを備えており、いくつかのアプリケーションで広く採用されている。 一方でfpgaベースのロボットアクセラレータは、特にレイテンシクリティカルと電力制限のシナリオにおいて、競争の激しい代替手段になりつつある。 特別に設計されたハードウェアロジックとアルゴリズムカーネルにより、FPGAベースのアクセラレータはCPUとGPUを性能とエネルギー効率で上回ることができる。 本稿では,fpgaベースのロボットアクセラレーターについて,ロボットシステムパイプラインの様々な段階をカバーするこれまでの研究の概要を示す。 ソフトウェアとハードウェアの最適化技術の解析と主要な技術的問題、およびいくつかの商用および宇宙アプリケーションについて、将来の作業のガイドとして機能する。

関連論文リスト

• RAMPA: Robotic Augmented Reality for Machine Programming and Automation [4.963604518596734]
  本稿では,RAMPA(Robotic Augmented Reality for Machine Programming)を紹介する。 RAMPAは最先端のARヘッドセット、例えばMeta Quest 3の能力を利用するシステムである。 提案手法は,ユーザの物理的環境内で直接,スキルデモのその場でのデータ記録,可視化,微調整を可能にする。
  論文  参考訳（メタデータ） (2024-10-17T10:21:28Z)
• Body Transformer: Leveraging Robot Embodiment for Policy Learning [51.531793239586165]
  ボディートランスフォーマー(ボディートランスフォーマー、Body Transformer、BoT)は、学習プロセスを導く誘導バイアスを提供することで、ロボットの体現性を活用するアーキテクチャである。 我々はロボットの体をセンサーとアクチュエータのグラフとして表現し、建築全体を通してプール情報にマスキングされた注意を頼りにしている。 結果として得られるアーキテクチャは、バニラ変換器と古典的な多層パーセプトロンを、タスク完了、スケーリング特性、計算効率の点で上回る。
  論文  参考訳（メタデータ） (2024-08-12T17:31:28Z)
• Event-based vision on FPGAs -- a survey [0.0]
  フィールドプログラマブルゲートアレイ(FPGA)は、高速なデータ処理(リアルタイムでも)とエネルギー効率を実現している。 本稿では、FPGAがイベントデータを処理するために様々な文脈で使われている、最も重要な研究の概要について述べる。 フィルタリング、ステレオビジョン、光学フロー、オブジェクト分類のためのAIベースのアルゴリズムの加速、検出と追跡、ロボット工学および検査システムにおける応用などである。
  論文  参考訳（メタデータ） (2024-07-11T10:07:44Z)
• RoboCodeX: Multimodal Code Generation for Robotic Behavior Synthesis [102.1876259853457]
  汎用ロボット行動合成のための木構造多モードコード生成フレームワークRoboCodeXを提案する。 RoboCodeXは、高レベルの人間の命令を複数のオブジェクト中心の操作ユニットに分解する。 概念的および知覚的理解を制御コマンドにマッピングする能力をさらに強化するため、事前学習のための特別なマルチモーダル推論データセットを収集し、教師付き微調整のための反復的自己更新手法を導入する。
  論文  参考訳（メタデータ） (2024-02-25T15:31:43Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Using the Abstract Computer Architecture Description Language to Model AI Hardware Accelerators [77.89070422157178]
  AI統合製品の製造者は、製品のパフォーマンス要件に適合するアクセラレータを選択するという、重大な課題に直面します。 抽象コンピュータアーキテクチャ記述言語(ACADL)は、コンピュータアーキテクチャブロック図の簡潔な形式化である。 本稿では,AIハードウェアアクセラレーションのモデル化にACADLを用いること,DNNのマッピングにACADL記述を使用し,タイミングシミュレーションのセマンティクスを解説し,性能評価結果の収集を行う。
  論文  参考訳（メタデータ） (2024-01-30T19:27:16Z)
• Towards Building AI-CPS with NVIDIA Isaac Sim: An Industrial Benchmark and Case Study for Robotics Manipulation [18.392301524812645]
  代表的サイバー物理システム(CPS)として、ロボットマニピュレータは様々な学術研究や産業プロセスで広く採用されている。 ロボット操作の最近の研究は、適応性と性能を向上させるために人工知能(AI)アプローチをコントローラとして採用し始めている。 本稿では,ロボット操作のための公開産業ベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-07-31T18:21:45Z)
• Semantic Scene Segmentation for Robotics Applications [51.66271681532262]
  様々な設定の下で,最も成功したセマンティックシーンセグメンテーションモデルの動作を,展開(推論)速度の観点から検討する。 この研究の目的は、ロボット工学の応用要件に最も適合しているものを選択するために、現在の最先端セグメンテーションモデルの比較研究を提供することである。
  論文  参考訳（メタデータ） (2021-08-25T08:55:20Z)
• JUWELS Booster -- A Supercomputer for Large-Scale AI Research [79.02246047353273]
  本稿では、最近J'ulich Supercomputing Centerに委託された高性能コンピューティングシステムであるJUWELS Boosterを紹介する。 システムアーキテクチャ、並列性、分散モデルトレーニング、その優れたパフォーマンスを示すベンチマークについて詳述する。
  論文  参考訳（メタデータ） (2021-06-30T21:37:02Z)
• How to Reach Real-Time AI on Consumer Devices? Solutions for Programmable and Custom Architectures [7.085772863979686]
  ディープニューラルネットワーク(DNN)は、オブジェクトや音声認識など、さまざまな人工知能(AI)推論タスクにおいて大きな進歩をもたらした。 このようなAIモデルをコモディティデバイスにデプロイすることは、大きな課題に直面している。 クロススタック手法によりリアルタイムな性能を実現する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-21T11:23:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。