論文の概要: Experience with Abrupt Transition to Remote Teaching of Embedded Systems
- arxiv url: http://arxiv.org/abs/2207.11603v1
- Date: Sat, 23 Jul 2022 21:05:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 10:02:51.730061
- Title: Experience with Abrupt Transition to Remote Teaching of Embedded Systems
- Title（参考訳）: 組込みシステムの遠隔教育への突発的移行の経験
- Authors: Jan Koniarik, Daniel Dlhopolcek, Martin Ukrop
- Abstract要約: 新型コロナウイルスの感染拡大を受け、多くの大学コースで遠隔教育が急激な転換を余儀なくされた。
1) 学校におけるハードウェアの操作,2) ハードウェアへの遠隔アクセス,3) 学生にハードウェアの貸与,4) ハードウェアの仮想化,の4つの基本的選択肢を比較した。
やや珍しいリモートハードウェアアクセスアプローチは、組み込みシステムを教えるための完全な代替手段であることが判明した。
- 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: Due to the pandemic of COVID-19, many university courses had to abruptly
transform to enable remote teaching. Adjusting courses on embedded systems and
micro-controllers was extra challenging since interaction with real hardware is
their integral part. We start by comparing our experience with four basic
alternatives of teaching embedded systems: 1) interacting with hardware at
school, 2) having remote access to hardware, 3) lending hardware to students
for at-home work and 4) virtualizing hardware. Afterward, we evaluate in detail
our experience of the fast transition from traditional, offline at-school
hardware programming course to using remote access to real hardware present in
the lab. The somewhat unusual remote hardware access approach turned out to be
a fully viable alternative for teaching embedded systems, enabling a relatively
low-effort transition. Our setup is based on existing solutions and stable open
technologies without the need for custom-developed applications that require
high maintenance. We evaluate the experience of both the students and teachers
and condense takeaways for future courses. The specific environment setup is
available online as an inspiration for others.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックのため、多くの大学コースは突然変身し、遠隔教育を可能にしなければならなかった。
組み込みシステムとマイクロコントローラのコースの調整は、実際のハードウェアとのインタラクションが重要な部分であるため、非常に難しい。
まず、組み込みシステムを教えるための基本的な4つの選択肢を比較します。
1)学校におけるハードウェアとの交流
2 ハードウェアへの遠隔アクセスを有すること。
3)自宅での作業のために学生にハードウェアを貸与すること
4)ハードウェアの仮想化。
その後、従来のオフラインのハードウェアプログラミングコースから、研究室にある実際のハードウェアへのリモートアクセスへの移行に関する私たちの経験を詳細に評価した。
やや特異なリモートハードウェアアクセスアプローチは、組み込みシステムを教えるための完全な代替手段であることが判明した。
当社のセットアップは既存のソリューションと安定したオープン技術に基づいており、高いメンテナンスを必要とするカスタム開発アプリケーションを必要としない。
今後の授業では,学生と教員の両方の体験とコンデンステイクアウトの体験を評価した。
特定の環境設定は、他の人のインスピレーションとしてオンラインで利用可能です。
関連論文リスト
- Learning Visuotactile Skills with Two Multifingered Hands [80.99370364907278]
マルチフィンガーハンドとバイソタクティブルデータを用いたバイマニアルシステムを用いて,人間の実演からの学習を探索する。
以上の結果から,バイスオタクティブルデータからの両指多指操作における有望な進歩が示唆された。
論文 参考訳（メタデータ） (2024-04-25T17:59:41Z) - Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。
提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
論文 参考訳（メタデータ） (2023-04-19T17:37:54Z) - Orbit: A Unified Simulation Framework for Interactive Robot Learning
Environments [38.23943905182543]
NVIDIA Isaac Simによるロボット学習のための統一的でモジュール化されたフレームワークOrbitを紹介する。
写真リアリスティックなシーンと高忠実度剛性で変形可能なボディシミュレーションを備えたロボット環境を構築するためのモジュラーデザインを提供する。
我々は,表現学習,強化学習,模倣学習,タスク・アンド・モーション・プランニングなど,さまざまな研究領域を支援することを目的としている。
論文 参考訳（メタデータ） (2023-01-10T20:19:17Z) - Design and implementation of a Framework for remote experiments in
education [0.0]
フリーは教育における遠隔実験の枠組みである。
FreeはPython、Djangoプログラミングフレームワーク、HTML、JavaScript、Webサービスで開発された。
現在FREEは、物理学の分野で約5種類の実験へのアクセスを提供している。
論文 参考訳（メタデータ） (2022-11-02T15:58:13Z) - A Walk in the Park: Learning to Walk in 20 Minutes With Model-Free
Reinforcement Learning [86.06110576808824]
深層強化学習は、制御されていない環境での学習ポリシーに対する有望なアプローチである。
機械学習アルゴリズムとライブラリの最近の進歩と、慎重に調整されたロボットコントローラを組み合わせることで、現実世界では4分で学習できる。
論文 参考訳（メタデータ） (2022-08-16T17:37:36Z) - IoT with a Soft Touch: A Modular Remote Sensing Platform for STE(A)M
Applications [0.0]
この作業では,2つの目標を達成するために開発された,IoT with a Soft Touchというリモートセンシングプラットフォームを提示する。
まず,STE(A)Mを実践する学生を刺激し,技術力の低下を図る。
第2に、この技術はよりソフトな応用(例えば、環境と医療)に使用される。
論文 参考訳（メタデータ） (2022-03-29T11:41:39Z) - Composing Complex and Hybrid AI Solutions [52.00820391621739]
一般的なAIアプリケーションで上記の機能を実現するためのAcumosシステムの拡張について述べる。
当社の拡張機能には、gRPC/Protobufインターフェースによるより汎用的なコンポーネントのサポートが含まれています。
デプロイ可能なソリューションとそのインターフェースの例を提供する。
論文 参考訳（メタデータ） (2022-02-25T08:57:06Z) - Flashlight: Enabling Innovation in Tools for Machine Learning [50.63188263773778]
私たちは、機械学習ツールやシステムの革新を促進するために構築されたオープンソースのライブラリであるFlashlightを紹介します。
Flashlightは、広く使われているライブラリを下流で活用し、機械学習とシステム研究者をより緊密に連携させる研究を可能にするツールだと考えています。
論文 参考訳（メタデータ） (2022-01-29T01:03:29Z) - Scalable Learning Environments for Teaching Cybersecurity Hands-on [0.4893345190925178]
本稿では,対話型学習環境を用いたサイバーセキュリティハンズオン授業のスケーラブル化のための技術革新について述べる。
我々は,サイバーセキュリティの授業を大規模に展開する学習環境の設計と利用における研究の取り組みと実践経験について述べる。
論文 参考訳（メタデータ） (2021-10-19T14:18:54Z) - Federated Learning: A Signal Processing Perspective [144.63726413692876]
フェデレーションラーニングは、データを明示的に交換することなく、ローカルデータセットを保持する複数のエッジデバイスでモデルをトレーニングするための新しい機械学習パラダイムです。
本稿では、信号処理ツールを用いて扱うのが自然である主な課題をカプセル化し、強調する、連合学習のための統一的な体系的フレームワークを提供する。
論文 参考訳（メタデータ） (2021-03-31T15:14:39Z) - Blue River Controls: A toolkit for Reinforcement Learning Control
Systems on Hardware [0.0]
私たちはBlue River Controlsという,現実世界のハードウェア上で強化学習アルゴリズムのトレーニングとテストを可能にするツールを紹介します。
OpenAI Gymをベースとしたシンプルなインターフェースを備えており、シミュレーションとハードウェアの両方で直接動作する。
また、他のハードウェア上でのRLアルゴリズムのトレーニングを簡単にするツールも提供しています。
論文 参考訳（メタデータ） (2020-01-07T19:24:29Z)
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。