論文の概要: Energy-Efficient Inference on the Edge Exploiting TinyML Capabilities
for UAVs
- arxiv url: http://arxiv.org/abs/2111.15481v1
- Date: Tue, 30 Nov 2021 15:17:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 16:54:48.841067
- Title: Energy-Efficient Inference on the Edge Exploiting TinyML Capabilities
for UAVs
- Title(参考訳): UAVのエッジ爆発型TinyML機能に対するエネルギー効率の推測
- Authors: Wamiq Raza, Anas Osman, Francesco Ferrini, Francesco De Natale
- Abstract要約: 本稿では,エッジ上での深層学習を生かした,この問題に対する実用的な解決策を提案する。
開発システムは、DJI Tello Micro Aerial Vehicle (MAV)にオープンMVマイクロコントローラを統合する。
このアプローチの目標は、オフライン推論、低レイテンシ、エネルギー効率、データセキュリティを含む、TinyMLの新機能を活用することだ。
- 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: In recent years, the proliferation of unmanned aerial vehicles (UAVs) has
increased dramatically. UAVs can accomplish complex or dangerous tasks in a
reliable and cost-effective way but are still limited by power consumption
problems, which pose serious constraints on the flight duration and completion
of energy-demanding tasks. The possibility of providing UAVs with advanced
decision-making capabilities in an energy-effective way would be extremely
beneficial. In this paper, we propose a practical solution to this problem that
exploits deep learning on the edge. The developed system integrates an OpenMV
microcontroller into a DJI Tello Micro Aerial Vehicle (MAV). The
microcontroller hosts a set of machine learning-enabled inference tools that
cooperate to control the navigation of the drone and complete a given mission
objective. The goal of this approach is to leverage the new opportunistic
features of TinyML through OpenMV including offline inference, low latency,
energy efficiency, and data security. The approach is successfully validated on
a practical application consisting of the onboard detection of people wearing
protection masks in a crowded environment.
- Abstract(参考訳): 近年、無人航空機(UAV)の増殖は劇的に増加している。
UAVは信頼性が高くコスト効率のよい方法で複雑なタスクや危険なタスクを達成できるが、それでも電力消費の問題によって制限されている。
先進的な意思決定能力を備えたUAVをエネルギー効率の良い方法で提供する可能性は極めて有益である。
本稿では,エッジ上での深層学習を生かした,この問題に対する実用的な解決策を提案する。
開発システムは、OpenMVマイクロコントローラをDJI Tello Micro Aerial Vehicle (MAV)に統合する。
マイクロコントローラは、ドローンのナビゲーションを制御し、所定のミッション目標を達成するための、機械学習対応推論ツールのセットをホストする。
このアプローチの目標は、オフライン推論、低レイテンシ、エネルギー効率、データセキュリティを含む、TinyMLの新機能を活用することだ。
このアプローチは、混雑した環境で保護マスクを着用している人のオンボード検出を含む実用的なアプリケーションで有効に検証される。
関連論文リスト
- Enhancing Privacy and Security of Autonomous UAV Navigation [0.8512184778338805]
国境警備や災害対応といった重要なシナリオでは、自律型無人機の安全な航行が最重要である。
本稿では,RL(Reinforcement Learning)とFHE(Fully Homomorphic Encryption)を組み合わせて,自律型UAVナビゲーションを実現する革新的な手法を提案する。
提案手法により,自律型UAVナビゲーションにおけるセキュリティとプライバシが保証され,性能が損なわれない。
論文 参考訳(メタデータ) (2024-04-26T07:54:04Z) - Meta Reinforcement Learning for Strategic IoT Deployments Coverage in
Disaster-Response UAV Swarms [5.57865728456594]
無人航空機(UAV)は、重要な緊急用途に使用される可能性があるとして、学術や産業の研究者の注目を集めている。
これらのアプリケーションには、地上のユーザーに無線サービスを提供し、災害の影響を受けた地域からデータを収集する機能が含まれる。
UAVの限られた資源、エネルギー予算、厳格なミッション完了時間は、これらの用途にUAVを採用する際の課題を提起している。
論文 参考訳(メタデータ) (2024-01-20T05:05:39Z) - Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A Multi-Leader Multi-Follower Stackelberg Game Approach [57.15309977293297]
無人航空機(UAV)とメタバースの相乗効果は、UAVメタバースと呼ばれる新しいパラダイムを生み出している。
本稿では,UAVメタバースにおける効率的なUTマイグレーションのためのプルーニング技術に基づく,機械学習に基づく小さなゲームフレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-18T02:14:13Z) - UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper [115.56455278813756]
航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。
本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
論文 参考訳(メタデータ) (2023-10-03T11:47:01Z) - Toward collision-free trajectory for autonomous and pilot-controlled
unmanned aerial vehicles [1.018017727755629]
本研究は、高度衝突管理手法の開発において、PilotAware Ltdが入手した電子情報(EC)をより活用するものである。
DACM手法の利点は、空中衝突を避けるための広範囲なシミュレーションと実世界のフィールドテストによって実証されてきた。
論文 参考訳(メタデータ) (2023-09-18T18:24:31Z) - E$^3$-UAV: An Edge-based Energy-Efficient Object Detection System for
Unmanned Aerial Vehicles [6.209839344777645]
E$3$-UAVは、UAVのためのエッジベースのエネルギー効率の高い物体検出システムである。
まず、実際のタスクに対する効果的な評価基準を示し、透過的なエネルギー消費モデルを構築する。
そこで本研究では,実際の飛行データ量に基づいて,軽量なエネルギー効率の優先度決定アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-08-09T08:02:11Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳(メタデータ) (2023-08-03T02:49:50Z) - Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT
Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement
Learning Approach [56.84948632954274]
本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。
本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。
提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
論文 参考訳(メタデータ) (2021-12-20T15:45:28Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳(メタデータ) (2021-07-19T12:54:04Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳(メタデータ) (2021-06-06T14:08:41Z)
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。