Fugu-MT 論文翻訳(概要): Engineering Education in the Age of Autonomous Machines

論文の概要: Engineering Education in the Age of Autonomous Machines

arxiv url: http://arxiv.org/abs/2102.07900v1
Date: Tue, 16 Feb 2021 00:44:14 GMT
ステータス: 翻訳完了
システム内更新日: 2021-02-17 14:55:53.867748
Title: Engineering Education in the Age of Autonomous Machines
Title（参考訳）: 自律機械時代の工学教育
Authors: Shaoshan Liu, Jean-Luc Gaudiot, Hironori Kasahara
Abstract要約: 我々は,コンピュータ科学,計算機工学,電気工学,機械工学の専門知識を持つ学生に公開するための学際的プログラムの作成を提唱する。実際の自動運転車で作業する体験を学生に提供するcapstoneプロジェクトは、技術基盤を統合するために必要である。
参考スコア（独自算出の注目度）: 1.2246649738388389
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the past few years, we have observed a huge supply-demand gap for autonomous driving engineers. The core problem is that autonomous driving is not one single technology but rather a complex system integrating many technologies, and no one single academic department can provide comprehensive education in this field. We advocate to create a cross-disciplinary program to expose students with technical background in computer science, computer engineering, electrical engineering, as well as mechanical engineering. On top of the cross-disciplinary technical foundation, a capstone project that provides students with hands-on experiences of working with a real autonomous vehicle is required to consolidate the technical foundation.
Abstract（参考訳）: 過去数年間で、自動運転エンジニアにとって大きな需要ギャップが見えてきた。中心的な問題は、自動運転は単一の技術ではなく、多くの技術を統合する複雑なシステムであり、この分野で単一の学術部門が包括的な教育を提供することはできないということです。我々は,コンピュータ科学,計算機工学,電気工学,機械工学の専門知識を持つ学生に公開するための学際的プログラムの作成を提唱する。学際横断的技術財団(cross-disciplinary technical foundation)に加えて、実際の自動運転車で作業する体験を学生に提供するcapstoneプロジェクトは、技術基盤を統合するために必要である。

関連論文リスト

Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文参考訳（メタデータ） (2025-03-28T17:17:57Z)
A Retrospective on the Robot Air Hockey Challenge: Benchmarking Robust, Reliable, and Safe Learning Techniques for Real-world Robotics [53.33976793493801]
私たちは、NeurIPS 2023カンファレンスでRobot Air Hockey Challengeを組織しました。我々は、シム・トゥ・リアルギャップ、低レベルの制御問題、安全性問題、リアルタイム要件、実世界のデータの限られた可用性など、ロボット工学における実践的な課題に焦点を当てる。その結果、学習に基づくアプローチと事前知識を組み合わせたソリューションは、実際のデプロイメントが困難である場合にデータのみに依存するソリューションよりも優れていることがわかった。
論文参考訳（メタデータ） (2024-11-08T17:20:47Z)
Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文参考訳（メタデータ） (2024-10-28T13:03:09Z)
Theorizing neuro-induced relationships between cognitive diversity, motivation, grit and academic performance in multidisciplinary engineering education context [5.9631503543049895]
ほとんどの工学的な問題は、多分野のアプローチで解決する必要がある。従来のエンジニアリングプログラムは、伝統的でニッチなエンジニアリングの規律に特化して、教育的なアプローチを採用する。ギャップを減らすために、より多分野のエンジニアリングプログラムが、すべてのエンジニアリングファイバを体系的に拡張することによって出現する。
論文参考訳（メタデータ） (2024-05-13T14:21:11Z)
Software Engineering for Robotics: Future Research Directions; Report from the 2023 Workshop on Software Engineering for Robotics [0.0]
Software Engineering for Roboticsは2023年10月にミシガン州デトロイトで開催された。ワークショップの目標は、ロボット工学とソフトウェア工学にまたがる思想的リーダーを集結させ、コミュニティを結集させることだった。本報告は,ワークショップの動機,活動,成果をまとめたものである。
論文参考訳（メタデータ） (2024-01-22T19:21:44Z)
Utilizing Online and Open-Source Machine Learning Toolkits to Leverage the Future of Sustainable Engineering [8.641860292533023]
Edge Impulseは、TinyMLに対応したオープンソースのArduino教育ツールキットを設計した。本稿では,MLツールキットを教室で活用するために工学教育者が行った様々な応用とアプローチについて論じる。
論文参考訳（メタデータ） (2023-04-21T17:50:21Z)
Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文参考訳（メタデータ） (2022-12-10T07:49:50Z)
Emerging Threats in Deep Learning-Based Autonomous Driving: A Comprehensive Survey [0.9163827313498957]
自動運転の基礎として、ディープラーニング技術は多くの新しいセキュリティリスクに直面している。学術コミュニティは、敵対的な事例やAIバックドアに対するディープラーニング対策を提案している。本稿では,自動運転におけるディープラーニングセキュリティ技術の概念,開発,最近の研究について要約する。
論文参考訳（メタデータ） (2022-10-19T10:04:33Z)
Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。シミュレーションに基づくMAPプログラムの概要を述べる。我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文参考訳（メタデータ） (2022-08-17T23:03:54Z)
Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文参考訳（メタデータ） (2022-03-06T10:12:56Z)
From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。私たちは、インテリジェンスを具体化するための課題と機会を強調します。本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文参考訳（メタデータ） (2021-10-28T16:04:01Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)

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。