論文の概要: Distributed Adaptive Control: An ideal Cognitive Architecture candidate
for managing a robotic recycling plant
- arxiv url: http://arxiv.org/abs/2012.12586v1
- Date: Wed, 23 Dec 2020 10:33:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 02:01:27.748010
- Title: Distributed Adaptive Control: An ideal Cognitive Architecture candidate
for managing a robotic recycling plant
- Title（参考訳）: 分散適応制御:ロボットリサイクルプラント管理のための理想的な認知アーキテクチャ候補
- Authors: Oscar Guerrero-Rosado and Paul Verschure
- Abstract要約: 本稿では,リサイクルプラント管理に適した認知アーキテクチャとして,分散適応制御(DAC)理論を支持する。
具体的には,欧州プロジェクトHRリサイクルの要求を満たすため,単一エージェントと大規模レベルのDACを提案する。
DACの将来の実装のための現実的なベンチマークを実現するため、マイクロリサイクルプラントプロトタイプが紹介される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the past decade, society has experienced notable growth in a variety of
technological areas. However, the Fourth Industrial Revolution has not been
embraced yet. Industry 4.0 imposes several challenges which include the
necessity of new architectural models to tackle the uncertainty that open
environments represent to cyber-physical systems (CPS). Waste Electrical and
Electronic Equipment (WEEE) recycling plants stand for one of such open
environments. Here, CPSs must work harmoniously in a changing environment,
interacting with similar and not so similar CPSs, and adaptively collaborating
with human workers. In this paper, we support the Distributed Adaptive Control
(DAC) theory as a suitable Cognitive Architecture for managing a recycling
plant. Specifically, a recursive implementation of DAC (between both
single-agent and large-scale levels) is proposed to meet the expected demands
of the European Project HR-Recycler. Additionally, with the aim of having a
realistic benchmark for future implementations of the recursive DAC, a
micro-recycling plant prototype is presented.
- Abstract（参考訳）: 過去10年間、社会は様々な技術分野において顕著な成長を遂げてきた。
しかし、第四次産業革命はまだ受け入れられていない。
業界 4.0 は、オープン環境がサイバー物理システム(CPS)に表す不確実性に対処するための新しいアーキテクチャモデルの必要性を含むいくつかの課題を課している。
廃棄物電気電子機器(WEEE)リサイクルプラントは、そのようなオープンな環境の1つである。
ここでは、CPSは変化する環境の中で調和して働き、類似した、あまり類似しないCPSと相互作用し、人間の労働者と適応的に協力する必要があります。
本稿では,リサイクルプラント管理に適した認知アーキテクチャとして,分散適応制御(DAC)理論を支持する。
具体的には、欧州プロジェクトHRリサイクルの要求を満たすため、DACの再帰的な実施(単一エージェントと大規模レベルの両方)が提案されている。
さらに,再帰型DACの将来の実装に関する現実的なベンチマークを行うことを目的として,マイクロリサイクルプラントプロトタイプについて紹介する。
関連論文リスト
- Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Measuring the Recyclability of Electronic Components to Assist Automatic Disassembly and Sorting Waste Printed Circuit Boards [4.0998481751764]
本稿では, 廃プリント基板(WPCB)からの廃電子部品(WEC)のリサイクル性の測定に, 数学的革新モデルを用いて着目する。
この革新的なアプローチは、WECのリサイクルとリサイクルの難しさを評価し、分解とソートを改善するAIモデルを統合する。
論文 参考訳（メタデータ） (2024-06-24T12:33:56Z) - Formal Verification of Ecosystem Restoration Requirements using UML and Alloy [0.0]
国連は、現在の10年間(2021-2030年)を「生態系再生に関する国連の10年」と宣言した。
本稿では,モデル駆動工学の観点から形式的手法を用いた生態系要求モデリングのための厳密なアプローチを提案する。
このアプローチの概念とアクティビティは、修復されたCosta Ricanエコシステムの現実的な実行例であるCRESTOで説明されています。
論文 参考訳（メタデータ） (2024-05-31T09:25:40Z) - Carbon Connect: An Ecosystem for Sustainable Computing [22.998262140061733]
Carbon Connectは、持続可能なコンピュータシステムの設計と管理戦略を作成するための協調的な研究スラストを構想している。
我々は、計算技術における炭素会計の正確なモデルを必要とします。
新たなハードウェア設計と管理戦略は、経済政策と規制の状況を認識する必要がある。
論文 参考訳（メタデータ） (2024-05-22T17:33:51Z) - Compete and Compose: Learning Independent Mechanisms for Modular World Models [57.94106862271727]
異なる環境における再利用可能な独立したメカニズムを活用するモジュール型世界モデルであるCOMETを提案する。
COMETは、コンペティションとコンポジションという2段階のプロセスを通じて、動的に変化する複数の環境でトレーニングされている。
COMETは,従来のファインタニング手法に比べて,サンプル効率が向上し,多様なオブジェクト数で新しい環境に適応できることを示す。
論文 参考訳（メタデータ） (2024-04-23T15:03:37Z) - Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。
この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。
これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。
本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
論文 参考訳（メタデータ） (2023-11-28T15:09:36Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - Reverse Logistics Network Design to Estimate the Economic and
Environmental Impacts of Take-back Legislation: A Case Study for E-waste
Management System in Washington State [3.7406100634766646]
システム最適モデルにおける電子廃棄物のリサイクルと再製造に関連する逆ロジスティクス網について検討する。
我々は,ロジスティクスネットワークを最適モデルの2つの異なる部分に分割し,ユーザの視点から最適解を導出する。
提案されたモデルを実証的な例に実装することは、テイクバック法の経済的および環境的影響を見積もることができることを示す。
論文 参考訳（メタデータ） (2023-01-24T02:50:09Z) - Dichotomy of Control: Separating What You Can Control from What You
Cannot [129.62135987416164]
政策の制御(行動)と政策の制御(環境)以外のメカニズムを分離する将来の条件付き教師あり学習フレームワークを提案する。
我々は,DoCが条件付入力と整合したポリシを出力し,学習したポリシを所望のハイリターン未来結果に条件付けすることで,高リターン行動が正しく引き起こされることを示す。
論文 参考訳（メタデータ） (2022-10-24T17:49:56Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z) - Semantic CPPS in Industry 4.0 [3.094458292166017]
サイバー物理システム(CPS)は、第4次産業革命の時代において重要な役割を担っている。
セマンティックWeb標準と技術は、機械解釈可能な方法で製造知識を表現するための有望な役割を持つかもしれない。
本稿では,主にセマンティックデータストリームの収集と処理を目的とした,a5Cアーキテクチャの実装を目的としたセマンティックWebモデルの統合を提案する。
論文 参考訳（メタデータ） (2020-11-18T21:53:07Z)
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。