論文の概要: Towards a Next Generation Computing Paradigm: Approximate Computing in
Robotics Systems and Environment-Experimentation, Case Study and Practical
Implications
- arxiv url: http://arxiv.org/abs/2104.05773v1
- Date: Mon, 12 Apr 2021 19:03:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-14 13:20:25.361821
- Title: Towards a Next Generation Computing Paradigm: Approximate Computing in
Robotics Systems and Environment-Experimentation, Case Study and Practical
Implications
- Title(参考訳): 次世代コンピューティングパラダイムに向けて : ロボットシステムにおける近似コンピューティングと環境実験,ケーススタディ,実践的意義
- Authors: Hrishav Bakul Barua
- Abstract要約: 近似計算は、時間とエネルギーを品質で取引するために使用できる計算領域です。
本稿では,複数の同一ロボットを倉庫内で動作させ,ロボットの経路計画機能を近似する。
計画された経路は個々のロボットにとって安全であるが、ロボット同士の衝突につながることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Approximate computing is a computation domain which can be used to trade time
and energy with quality and therefore is useful in embedded systems. Energy is
the prime resource in battery-driven embedded systems, like robots. Approximate
computing can be used as a technique to generate approximate version of the
control functionalities of a robot, enabling it to ration energy for
computation at the cost of degraded quality. Usually, the programmer of the
function specifies the extent of degradation that is safe for the overall
safety of the system. However, in a collaborative environment, where several
sub-systems co-exist and some of the functionality of each of them have been
approximated, the safety of the overall system may be compromised. In this
paper, we consider multiple identical robots operate in a warehouse, and the
path planning function of the robot is approximated. Although the planned paths
are safe for individual robots (i.e. they do not collide with the racks), we
show that this leads to a collision among the robots. So, a controlled
approximation needs to be carried out in such situations to harness the full
power of this new paradigm if it needs to be a mainstream paradigm in future.
- Abstract(参考訳): 近似計算は、時間とエネルギーを品質と交換するために使用できる計算領域であり、組み込みシステムで有用である。
エネルギーは、ロボットのようなバッテリ駆動の組み込みシステムの主要な資源だ。
近似計算は、ロボットの制御機能の近似バージョンを生成する技術として用いられ、劣化した品質のコストで計算のためのエネルギーを分配することができる。
通常、関数のプログラマは、システムの全体的な安全性のために安全である劣化の程度を指定する。
しかし、複数のサブシステムが共存し、それぞれの機能のいくつかが近似された協調環境では、システム全体の安全性が損なわれる可能性がある。
本稿では,複数の同一ロボットを倉庫内で動作させ,ロボットの経路計画機能を近似する。
計画された経路は個々のロボット(つまり)にとって安全である。
ラックと衝突しない)ことから、ロボット同士が衝突することを示した。
したがって、もしそれが将来の主流パラダイムである必要があるなら、この新しいパラダイムの力をフル活用するために、そのような状況で制御された近似を行う必要がある。
関連論文リスト
- $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。
我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
論文 参考訳(メタデータ) (2024-10-31T17:22:30Z) - Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。
そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。
Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
論文 参考訳(メタデータ) (2024-08-29T20:22:22Z) - 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) - Towards a Causal Probabilistic Framework for Prediction,
Action-Selection & Explanations for Robot Block-Stacking Tasks [4.244706520140677]
因果モデル(英: Causal model)は、ロボットの環境との相互作用を管理する因果関係の形式的知識を符号化する原則的な枠組みを提供する。
本研究では,物理シミュレーション機能を構造因果モデルに組み込むことで,ロボットがブロックスタッキングタスクの現況を認識・評価できる新しい因果確率的枠組みを提案する。
論文 参考訳(メタデータ) (2023-08-11T15:58:15Z) - Surrogate Assisted Generation of Human-Robot Interaction Scenarios [14.548073522259248]
本研究では,サロゲート支援シナリオ生成が,課題シナリオの多様なデータセットを効率的に合成することを示す。
これらの失敗は実世界の相互作用において再現可能であることを実証する。
論文 参考訳(メタデータ) (2023-04-26T19:11:56Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文 参考訳(メタデータ) (2022-02-10T18:50:25Z) - Spatial Computing and Intuitive Interaction: Bringing Mixed Reality and
Robotics Together [68.44697646919515]
本稿では,空間コンピューティングを応用し,新しいロボットのユースケースを実現するためのロボットシステムについて述べる。
空間コンピューティングとエゴセントリックな感覚を複合現実感デバイスに組み合わせることで、人間の行動をキャプチャして理解し、それらを空間的な意味を持つ行動に変換することができる。
論文 参考訳(メタデータ) (2022-02-03T10:04:26Z) - 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) - An Integrated Localisation, Motion Planning and Obstacle Avoidance
Algorithm in Belief Space [1.3535770763481902]
ノイズセンサとアクティベーションエラーは、環境の特徴を推定しながら導入されたエラーと重なり合う。
本稿では,ロボットの状態推定にこれらの不確実性を取り入れた新しい手法を提案する。
推定ロボット構成に関する衝突確率を計算する。
論文 参考訳(メタデータ) (2021-01-27T17:47:45Z)
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。