論文の概要: Energy-Efficient Mobile Robot Control via Run-time Monitoring of
Environmental Complexity and Computing Workload
- arxiv url: http://arxiv.org/abs/2109.04285v1
- Date: Wed, 8 Sep 2021 08:11:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-10 14:05:08.608444
- Title: Energy-Efficient Mobile Robot Control via Run-time Monitoring of
Environmental Complexity and Computing Workload
- Title(参考訳): 環境複雑度と計算負荷のリアルタイムモニタリングによる省エネルギー型移動ロボット制御
- Authors: Sherif A.S. Mohamed, Mohammad-Hashem Haghbayan, Antonio Miele, Onur
Mutlu, and Juha Plosila
- Abstract要約: 移動ロボットのエネルギー消費を最小限に抑えるためのエネルギー効率制御器を提案する。
コントローラのアクチュエータは、演算部用CPU電圧/周波数、機械部用モータ電圧である。
ロボットの速度制御とCPUの電圧/周波数制御を独立に考慮すると、必ずしもエネルギー効率のよい解にはならないことを示す。
- 参考スコア(独自算出の注目度): 8.340067576423507
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We propose an energy-efficient controller to minimize the energy consumption
of a mobile robot by dynamically manipulating the mechanical and computational
actuators of the robot. The mobile robot performs real-time vision-based
applications based on an event-based camera. The actuators of the controller
are CPU voltage/frequency for the computation part and motor voltage for the
mechanical part. We show that independently considering speed control of the
robot and voltage/frequency control of the CPU does not necessarily result in
an energy-efficient solution. In fact, to obtain the highest efficiency, the
computation and mechanical parts should be controlled together in synergy. We
propose a fast hill-climbing optimization algorithm to allow the controller to
find the best CPU/motor configuration at run-time and whenever the mobile robot
is facing a new environment during its travel. Experimental results on a robot
with Brushless DC Motors, Jetson TX2 board as the computing unit, and a
DAVIS-346 event-based camera show that the proposed control algorithm can save
battery energy by an average of 50.5%, 41%, and 30%, in low-complexity,
medium-complexity, and high-complexity environments, over baselines.
- Abstract(参考訳): ロボットの機械的・計算的アクチュエータを動的に操作することにより,移動ロボットのエネルギー消費を最小化するエネルギー効率制御器を提案する。
このモバイルロボットは、イベントベースのカメラに基づいてリアルタイムビジョンベースのアプリケーションを実行する。
コントローラのアクチュエータは、演算部に対するcpu電圧/周波数と、メカニカル部のモータ電圧とである。
ロボットの速度制御とcpuの電圧・周波数制御を独立に考慮すると、必ずしもエネルギー効率のよいソリューションとなるとは限らない。
実際、最高効率を得るためには、計算と機械部品を相乗的に制御する必要がある。
移動ロボットが移動中に新しい環境に直面すると、コントローラが実行時に最高のcpu/モータ構成を見つけることができる高速ヒルクライミング最適化アルゴリズムを提案する。
Brushless DC Motors、Jetson TX2ボードをコンピューティングユニットとし、DAVIS-346イベントベースのカメラを用いた実験の結果、提案した制御アルゴリズムは、低複雑さ、中複雑さ、高複雑さ環境において、平均50.5%、41%、30%のバッテリエネルギーをベースライン上で節約できることが示された。
関連論文リスト
- Unifying 3D Representation and Control of Diverse Robots with a Single Camera [48.279199537720714]
我々は,ロボットを視覚のみからモデル化し,制御することを自律的に学習するアーキテクチャであるNeural Jacobian Fieldsを紹介する。
提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
論文 参考訳(メタデータ) (2024-07-11T17:55:49Z) - 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) - Mobility-Aware Computation Offloading for Swarm Robotics using Deep
Reinforcement Learning [3.751111087006503]
Swarm Roboticsは、多くの汚れた、危険な、退屈なタスクを自動化することを想定している。
現在のロボットには、限られた時間情報しか提供できない少数のロボットがある。
我々は,モバイルエッジコンピューティングを活用して負担を軽減することを提案する。
論文 参考訳(メタデータ) (2023-08-22T03:20:14Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z) - High-Speed Accurate Robot Control using Learned Forward Kinodynamics and
Non-linear Least Squares Optimization [42.92648945058518]
ロボットの動きのキノダイナミックな相互作用への依存は、高速でより顕著になる。
従来の研究から,逆キノダイナミックモデルの学習がロボットの高速制御に有効であることが示唆された。
本稿では,FKDモデルと非線形最小二乗最適化を併用した,高精度かつ高速なロボット制御のための新しい定式化を提案する。
論文 参考訳(メタデータ) (2022-06-16T23:52:01Z) - A Transferable Legged Mobile Manipulation Framework Based on Disturbance
Predictive Control [15.044159090957292]
四足歩行ロボットにロボットアームを装着した足の移動操作は、ロボットの性能を大幅に向上させる。
本稿では,潜在動的アダプタを用いた強化学習スキームを低レベルコントローラに組み込んだ統合フレームワーク外乱予測制御を提案する。
論文 参考訳(メタデータ) (2022-03-02T14:54:10Z) - 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) - CNN-based Omnidirectional Object Detection for HermesBot Autonomous
Delivery Robot with Preliminary Frame Classification [53.56290185900837]
予備的バイナリフレーム分類を用いた物体検出のためのニューラルネットワークの最適化アルゴリズムを提案する。
周囲に6台のローリングシャッターカメラを備えた自律移動ロボットを360度視野として実験装置として使用した。
論文 参考訳(メタデータ) (2021-10-22T15:05:37Z) - An Energy-Saving Snake Locomotion Gait Policy Using Deep Reinforcement
Learning [0.0]
この研究では、エネルギー効率の高い制御のための深層強化学習(DRL)を介してヘビの移動歩行政策を開発する。
角速度でパラメータ化された各関節モータに近位政策最適化(ppo)を適用し,drlエージェントは各時間ステップで標準サーペノイド曲線を学習する。
従来の制御戦略と比較して、訓練されたppoエージェントによって制御されたスネークロボットは、より速く動き、よりエネルギー効率の良い歩行を実現できる。
論文 参考訳(メタデータ) (2021-03-08T02:06:44Z) - Experimental Study on Reinforcement Learning-based Control of an Acrobot [0.0]
我々は、強化学習(RL)を用いて人工知能がアクロボットを制御する方法の学習結果を示す。
本研究では,アクロボットの角速度の制御と,その運動エネルギーとポテンシャルエネルギーの和である総エネルギーの制御について検討する。
論文 参考訳(メタデータ) (2020-11-18T12:37:25Z) - Populations of Spiking Neurons for Reservoir Computing: Closed Loop
Control of a Compliant Quadruped [64.64924554743982]
本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。
本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
論文 参考訳(メタデータ) (2020-04-09T14:32:49Z)
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。