論文の概要: Beyond Robustness: A Taxonomy of Approaches towards Resilient
Multi-Robot Systems
- arxiv url: http://arxiv.org/abs/2109.12343v1
- Date: Sat, 25 Sep 2021 11:25:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-28 15:03:59.769147
- Title: Beyond Robustness: A Taxonomy of Approaches towards Resilient
Multi-Robot Systems
- Title（参考訳）: ロバストネスを超えて:レジリエントなマルチロボットシステムへのアプローチの分類
- Authors: Amanda Prorok, Matthew Malencia, Luca Carlone, Gaurav S. Sukhatme,
Brian M. Sadler, Vijay Kumar
- Abstract要約: 我々はエージェントとマルチロボットシステムのネットワークにおけるレジリエンスの達成方法を分析する。
我々はレジリエンスがエンジニアリング設計の中心となる必要があると主張している。
- 参考スコア（独自算出の注目度）: 41.71459547415086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robustness is key to engineering, automation, and science as a whole.
However, the property of robustness is often underpinned by costly requirements
such as over-provisioning, known uncertainty and predictive models, and known
adversaries. These conditions are idealistic, and often not satisfiable.
Resilience on the other hand is the capability to endure unexpected
disruptions, to recover swiftly from negative events, and bounce back to
normality. In this survey article, we analyze how resilience is achieved in
networks of agents and multi-robot systems that are able to overcome adversity
by leveraging system-wide complementarity, diversity, and redundancy - often
involving a reconfiguration of robotic capabilities to provide some key ability
that was not present in the system a priori. As society increasingly depends on
connected automated systems to provide key infrastructure services (e.g.,
logistics, transport, and precision agriculture), providing the means to
achieving resilient multi-robot systems is paramount. By enumerating the
consequences of a system that is not resilient (fragile), we argue that
resilience must become a central engineering design consideration. Towards this
goal, the community needs to gain clarity on how it is defined, measured, and
maintained. We address these questions across foundational robotics domains,
spanning perception, control, planning, and learning. One of our key
contributions is a formal taxonomy of approaches, which also helps us discuss
the defining factors and stressors for a resilient system. Finally, this survey
article gives insight as to how resilience may be achieved. Importantly, we
highlight open problems that remain to be tackled in order to reap the benefits
of resilient robotic systems.
- Abstract（参考訳）: 堅牢性は、エンジニアリング、オートメーション、科学全般にとって重要だ。
しかし、堅牢性の性質は、過剰なプロビジョン、既知の不確実性、予測モデル、既知の敵などのコストのかかる要件によってしばしば基礎をなしている。
これらの条件は理想主義的であり、しばしば満足できない。
一方のレジリエンスは、予期せぬ破壊に耐え、ネガティブな出来事から素早く回復し、正常さに跳ね返る能力である。
本稿では,システム全体の相補性,多様性,冗長性を活用することで,逆境を克服できるエージェントやマルチロボットシステムのネットワークにおいて,レジリエンスがどのように実現されているかを分析する。
社会は、重要なインフラサービス(物流、輸送、精密農業など)を提供するための接続された自動化システムに依存しているため、レジリエンスなマルチロボットシステムを実現する手段が最重要である。
弾力性のないシステムの結果を列挙することによって、レジリエンスはエンジニアリング設計の中心となる必要がある、と我々は主張する。
この目標に向けて、コミュニティはどのように定義され、測定され、維持されるかを明確にする必要がある。
基礎となるロボティクス領域、知覚、制御、計画、学習にまたがるこれらの問題に対処する。
私たちの重要な貢献の1つは、アプローチの形式的な分類であり、レジリエントなシステムの決定要因やストレス要因についても議論するのに役立ちます。
最後に、この調査記事はレジリエンスの達成方法に関する洞察を提供する。
重要なのは、レジリエントなロボットシステムのメリットを享受するために、まだ取り組まなければならないオープンな問題に注目することです。
関連論文リスト
- Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。
ジェネレータはGAN(Generative Adversarial Network)に依存しており、ジェネレータは不安定なデータを生成するために訓練される。
我々の解は、実世界の安定と不安定なサンプルからなるデータセットでテストされ、格子安定性の予測において最大97.5%、敵攻撃の検出において最大98.9%の精度を達成する。
論文 参考訳（メタデータ） (2025-01-27T20:48:25Z) - Privacy-preserving Robotic-based Multi-factor Authentication Scheme for Secure Automated Delivery System [17.475266664325904]
パッケージデリバリーは、様々な産業において重要な側面であるが、人的資源のみに依存している場合、高コストと非効率を伴うことが多い。
ラストマイル輸送問題は、大企業の人的資源の支出に大きく貢献する。
ロボットベースの配送システムは、この課題に対処するために、ラストマイル配送の潜在的な解決策として登場した。
論文 参考訳（メタデータ） (2024-11-27T03:48:00Z) - Towards an Engineering Discipline for Resilient Cyber-Physical Systems [0.0]
レジリエンスという用語は、正しいサービスを提供しながら予期せぬ入力に対処する能力を指す。
私の論文は、レジリエントなサイバー物理システムのためのエンジニアリングの分野を開拓することを目的としています。
論文 参考訳（メタデータ） (2024-07-22T11:50:01Z) - Disentangling the Causes of Plasticity Loss in Neural Networks [55.23250269007988]
可塑性の喪失は複数の独立したメカニズムに分解できることを示す。
種々の非定常学習タスクにおいて, 層正規化と重み劣化の組み合わせは, 可塑性維持に極めて有効であることを示す。
論文 参考訳（メタデータ） (2024-02-29T00:02:33Z) - Algorithmic Robustness [18.406992961818368]
ロバスト性は、計算システムに関する公共政策決定の文脈でしばしば引用される他の目標の重要な有効性である。
この文書はアルゴリズム的堅牢性の概念に関するいくつかの概念と既存の研究に関する簡単なロードマップを提供する。
論文 参考訳（メタデータ） (2023-10-17T17:51:12Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - MMRNet: Improving Reliability for Multimodal Object Detection and
Segmentation for Bin Picking via Multimodal Redundancy [68.7563053122698]
マルチモーダル冗長性(MMRNet)を用いた信頼度の高いオブジェクト検出・分割システムを提案する。
これは、マルチモーダル冗長の概念を導入し、デプロイ中のセンサ障害問題に対処する最初のシステムである。
システム全体の出力信頼性と不確実性を測定するために,すべてのモダリティからの出力を利用する新しいラベルフリーマルチモーダル整合性(MC)スコアを提案する。
論文 参考訳（メタデータ） (2022-10-19T19:15:07Z) - Systems Challenges for Trustworthy Embodied Systems [0.0]
エンボディシステムと呼ばれる、ますます自律的かつ自律的な新世代のシステムの開発が進んでいる。
実施されたシステムの振る舞いを有益な方法で調整し、人間中心の社会的価値との整合性を確保し、安全で信頼性の高い人間と機械の相互作用を設計することが不可欠である。
我々は、急進的なシステム工学が組み込みシステムからエンボディドシステムへの気候に到達し、状況を認識し、意図的に駆動され、爆発的に進化し、ほとんど予測不可能で、ますます自律的なエンボディドシステムのダイナミックフェデレーションの信頼性を保証していると論じている。
論文 参考訳（メタデータ） (2022-01-10T15:52:17Z) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳（メタデータ） (2021-07-28T10:28:05Z) - Machine learning dismantling and early-warning signals of disintegration
in complex systems [0.0]
比較的小さなシステムを分解する訓練された機械が高次位相パターンを識別可能であることを示す。
注目すべきは、マシンが次の攻撃でシステムが崩壊する確率を評価することだ。
論文 参考訳（メタデータ） (2021-01-07T09:39:13Z)
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。