論文の概要: Machine Learning-Based Automated Design Space Exploration for Autonomous Aerial Robots

• arxiv url: http://arxiv.org/abs/2102.02988v1
• Date: Fri, 5 Feb 2021 03:50:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-08 16:22:28.862376
• Title: Machine Learning-Based Automated Design Space Exploration for Autonomous Aerial Robots
• Title（参考訳）: 自律飛行ロボットのための機械学習に基づく自動設計空間探索
• Authors: Srivatsan Krishnan, Zishen Wan, Kshitij Bharadwaj, Paul Whatmough, Aleksandra Faust, Sabrina Neuman, Gu-Yeon Wei, David Brooks, Vijay Janapa Reddi
• Abstract要約: 自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。 F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。 サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
• 参考スコア（独自算出の注目度）: 55.056709056795206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Building domain-specific architectures for autonomous aerial robots is challenging due to a lack of systematic methodology for designing onboard compute. We introduce a novel performance model called the F-1 roofline to help architects understand how to build a balanced computing system for autonomous aerial robots considering both its cyber (sensor rate, compute performance) and physical components (body-dynamics) that affect the performance of the machine. We use F-1 to characterize commonly used learning-based autonomy algorithms with onboard platforms to demonstrate the need for cyber-physical co-design. To navigate the cyber-physical design space automatically, we subsequently introduce AutoPilot. This push-button framework automates the co-design of cyber-physical components for aerial robots from a high-level specification guided by the F-1 model. AutoPilot uses Bayesian optimization to automatically co-design the autonomy algorithm and hardware accelerator while considering various cyber-physical parameters to generate an optimal design under different task level complexities for different robots and sensor framerates. As a result, designs generated by AutoPilot, on average, lower mission time up to 2x over baseline approaches, conserving battery energy.
• Abstract（参考訳）: 自律飛行ロボットのためのドメイン固有アーキテクチャの構築は、オンボード計算を設計するための体系的な方法論の欠如のために困難である。 我々は,F-1ルーフラインと呼ばれる新しい性能モデルを導入し,自律飛行ロボットのサイバー(センサレート,計算性能)と,マシンの性能に影響を与える物理的コンポーネント(身体力学)の両方を考慮したバランスのとれた計算システムの構築を支援する。 我々はF-1を用いて、サイバー物理の共同設計の必要性を実証するために、オンボードプラットフォームでよく使われる学習ベースの自律アルゴリズムを特徴付ける。 サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。 このプッシュボタンフレームワークは、f-1モデルに導かれた高レベルの仕様から、空中ロボットのサイバー物理コンポーネントの共設計を自動化する。 autopilotはベイズ最適化を使用して自律アルゴリズムとハードウェアアクセラレータを自動的に設計し、さまざまなサイバー物理パラメータを考慮し、異なるロボットやセンサーフレームレートの異なるタスクレベルの複雑度の下で最適な設計を生成する。 その結果、AutoPilotが生成した設計では、平均して2倍のミッション時間がベースラインのアプローチで実行され、バッテリエネルギーが保たれる。

関連論文リスト

• CyberCortex.AI: An AI-based Operating System for Autonomous Robotics and Complex Automation [0.0]
  我々は、異種AIベースのロボティクスと複雑な自動化アプリケーションを実現するために設計されたロボットOSであるCyberCortex AIを紹介する。 CyberCortex AIは、分散化された分散OSで、ロボットが互いに通信し、クラウドの高性能コンピュータと通信することを可能にする。 ロボットのセンサーと制御データは、その後ロボットにデプロイされるAIアルゴリズムのトレーニングを目的として、HPCシステムに向けてストリームされる。
  論文  参考訳（メタデータ） (2024-09-02T13:14:50Z)
• 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)
• AutoRT: Embodied Foundation Models for Large Scale Orchestration of Robotic Agents [109.3804962220498]
  AutoRTは、人間の監督を最小限に抑えて、完全に見えないシナリオで運用ロボットの展開をスケールアップするシステムである。 われわれはAutoRTが複数の建物にまたがる20以上のロボットに指示を提示し、遠隔操作と自律ロボットポリシーを通じて77万個の実ロボットエピソードを収集するデモを行った。 実験により,AutoRTが収集した「未使用データ」は極めて多種多様であり,AutoRTのLLMを使用することで,人間の好みに合わせることができるデータ収集ロボットの指示が可能であることを実証した。
  論文  参考訳（メタデータ） (2024-01-23T18:45:54Z)
• High-Degrees-of-Freedom Dynamic Neural Fields for Robot Self-Modeling and Motion Planning [6.229216953398305]
  ロボットの自己モデル(英: Robot self-model)は、ロボットの運動計画タスクに使用できる身体形態の表現である。 本研究では,高次自由度を条件とした動的オブジェクト中心シーンのためのエンコーダに基づくニューラル密度場アーキテクチャを提案する。 7-DOFロボットテストセットでは、学習された自己モデルは、ロボットの次元ワークスペースの2%のChamfer-L2距離を達成する。
  論文  参考訳（メタデータ） (2023-10-05T16:01:29Z)
• SoftZoo: A Soft Robot Co-design Benchmark For Locomotion In Diverse Environments [111.91255476270526]
  我々は,多様な環境下での移動を支援するソフトロボットの共同設計プラットフォームであるSoftZooを紹介する。 SoftZooは、平らな地面、砂漠、湿地、粘土、氷、雪、浅い水、海などの環境をシミュレートする機能など、自然にヒントを得た幅広い素材セットをサポートしている。 それは、高速な移動、アジャイルな回転、パスフォローなど、ソフトロボティクスに関連するさまざまなタスクを提供し、形態学と制御のための微分可能な設計表現を提供する。
  論文  参考訳（メタデータ） (2023-03-16T17:59:50Z)
• Design of Unmanned Air Vehicles Using Transformer Surrogate Models [8.914156789222266]
  我々は,無人航空機(UAV)の設計を合成するAIデザイナを開発した。 提案手法では,高額なフライトダイナミックスモデルやCADツールを動作させることなく,新規なドメイン固有符号化を用いた深部変圧器モデルを用いて,提案手法の性能評価を行う。
  論文  参考訳（メタデータ） (2022-11-11T21:22:21Z)
• GLSO: Grammar-guided Latent Space Optimization for Sample-efficient Robot Design Automation [16.96128900256427]
  設計自動化を低次元連続最適化問題に変換するフレームワークであるGrammar-Guided Latent Space Optimization (GLSO)を提案する。 本研究では,グラフ構造設計空間と連続潜在空間とのマッピングを学習するために,グラフ変分オートエンコーダ(VAE)を訓練することにより,設計自動化を低次元連続最適化問題に変換するフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-23T17:48:24Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Tackling Variabilities in Autonomous Driving [15.374442918002813]
  可変性のある自動運転タスクのためのハードウェア基板を提供するために、新しい異種マルチコアAIアクセラレータ(HMAI)を提案します。 また,タスクマッピング問題を解決するために,深層強化学習(RL)に基づくタスクスケジューリング機構FlexAIを提案する。
  論文  参考訳（メタデータ） (2021-04-21T08:51:40Z)

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。