論文の概要: AI for Closed-Loop Control Systems --- New Opportunities for Modeling,
Designing, and Tuning Control Systems
- arxiv url: http://arxiv.org/abs/2201.06961v1
- Date: Tue, 18 Jan 2022 13:22:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 14:45:29.525856
- Title: AI for Closed-Loop Control Systems --- New Opportunities for Modeling,
Designing, and Tuning Control Systems
- Title（参考訳）: クローズドループ制御システムのためのai -モデリング、設計、チューニングのための新しい機会-
- Authors: Julius Sch\"oning, Adrian Riechmann and Hans-J\"urgen Pfisterer
- Abstract要約: この論文では、AIを活用した制御システムの設計と設計の可能性を取り上げている。
CLCSの標準ブロックダイアグラム内のどのビルディングブロックをAIで置き換えるかを示している。
AIを活用したCLCS設計の長所と短所について論じる。
- 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: Control Systems, particularly closed-loop control systems (CLCS), are
frequently used in production machines, vehicles, and robots nowadays. CLCS are
needed to actively align actual values of a process to a given reference or set
values in real-time with a very high precession. Yet, artificial intelligence
(AI) is not used to model, design, optimize, and tune CLCS. This paper will
highlight potential AI-empowered and -based control system designs and
designing procedures, gathering new opportunities and research direction in the
field of control system engineering. Therefore, this paper illustrates which
building blocks within the standard block diagram of CLCS can be replaced by
AI, i.e., artificial neuronal networks (ANN). Having processes with real-time
contains and functional safety in mind, it is discussed if AI-based controller
blocks can cope with these demands. By concluding the paper, the pros and cons
of AI-empowered as well as -based CLCS designs are discussed, and possible
research directions for introducing AI in the domain of control system
engineering are given.
- Abstract（参考訳）: 制御システム、特にクローズドループ制御システム(clcs)は、現在生産機械、車両、ロボットで頻繁に使用されている。
CLCSは、プロセスの実際の値を与えられた参照または設定された値に、非常に高い優先度で積極的に調整するために必要である。
しかし、人工知能(AI)はCLCSをモデル化、設計、最適化、チューニングするために使われていない。
本稿では,AIを活用した制御システムの設計と設計の可能性を強調し,制御システム工学の分野における新たな機会と研究の方向性について述べる。
そこで本研究では,CLCSの標準ブロック図内に構築されたブロックを,AI,すなわち人工神経ネットワーク(ANN)に置き換えることができるかを示す。
リアルタイムに含まれるプロセスと機能的安全性を念頭に置いて、aiベースのコントローラブロックがこれらの要求に対応できるかどうかを議論する。
論文を締めくくることで、AIを活用した設計とCLCSの設計の長所と短所が議論され、制御システム工学分野にAIを導入するための研究の方向性が提示される。
関連論文リスト
- RO-SVD: A Reconfigurable Hardware Copyright Protection Framework for AIGC Applications [7.368978400783039]
AIコンテンツのためのブロックチェーンベースの著作権トレーサビリティフレームワークを提案する。
我々のフレームワークは、既存のAIアクセラレーションデバイスで簡単に構築できる。
これは、AI生成コンテンツに特化した著作権トレーサビリティを議論し、実装する最初の実用的なハードウェア研究である。
論文 参考訳（メタデータ） (2024-06-17T13:38:57Z) - A Roadmap Towards Automated and Regulated Robotic Systems [4.6015001632772545]
我々は、AIの非規制生成プロセスが低レベルのタスクに適合していると主張している。
完全自動化・制御されたロボットシステムを実現するためのロードマップを提案する。
論文 参考訳（メタデータ） (2024-03-21T00:14:53Z) - InCoRo: In-Context Learning for Robotics Control with Feedback Loops [4.702566749969133]
InCoRoは、LLMコントローラ、シーン理解ユニット、ロボットからなる古典的なロボットフィードバックループを使用するシステムである。
システムの一般化能力を強調し,InCoRoが成功率において先行技術を上回ることを示す。
この研究は、動的環境に適応する信頼性があり、効率的でインテリジェントな自律システムを構築するための道を開いた。
論文 参考訳（メタデータ） (2024-02-07T19:01:11Z) - Large Language Models as General Pattern Machines [64.75501424160748]
我々は,事前訓練された大規模言語モデル (LLM) が,複雑なトークンシーケンスを自動回帰的に完了することを示す。
驚いたことに、語彙からランダムにサンプリングされたトークンを用いてシーケンスが表現された場合でも、パターン完了の習熟度を部分的に保持することができる。
本研究では,ロボット工学における問題に対して,これらのゼロショット機能がどのように適用されるかを検討する。
論文 参考訳（メタデータ） (2023-07-10T17:32:13Z) - A Mini Review on the utilization of Reinforcement Learning with OPC UA [0.9208007322096533]
強化学習(Reinforcement Learning, RL)は、ロボット工学、自然言語処理、ゲームプレイといった様々な分野に応用された強力な機械学習パラダイムである。
この可能性を完全に活用する鍵は、既存の産業システムへのRLのシームレスな統合である。
この研究は、このギャップを埋めるために、両方の技術の技術的な概要を簡潔に提供し、半発掘的な文献レビューを実施している。
論文 参考訳（メタデータ） (2023-05-24T13:03:48Z) - 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) - 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) - Model-based Reinforcement Learning from Signal Temporal Logic
Specifications [0.17205106391379021]
本稿では,報酬/コスト関数の代替として,STL(Signal Temporal Logic)と呼ばれる形式仕様言語を用いて,望まれるハイレベルロボット動作を表現することを提案する。
提案アルゴリズムは、ピック・アンド・プレース・ロボットアームなどのロボットシステムのシミュレーションと、自律走行車に対する適応的なクルーズ制御を実証的に評価する。
論文 参考訳（メタデータ） (2020-11-10T07:31:47Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z) - Information Theoretic Model Predictive Q-Learning [64.74041985237105]
本稿では,情報理論的MPCとエントロピー正規化RLとの新たな理論的関連性を示す。
バイアスモデルを利用したQ-ラーニングアルゴリズムを開発した。
論文 参考訳（メタデータ） (2019-12-31T00:29:22Z)
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。