論文の概要: Pac-Man Pete: An extensible framework for building AI in VEX Robotics

• arxiv url: http://arxiv.org/abs/2211.14385v1
• Date: Fri, 25 Nov 2022 21:59:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 16:42:20.036276
• Title: Pac-Man Pete: An extensible framework for building AI in VEX Robotics
• Title（参考訳）: Pac-Man Pete: VEX RoboticsでAIを構築するための拡張可能なフレームワーク
• Authors: Jacob Zietek, Nicholas Wade, Cole Roberts, Aref Malek, Manish Pylla, Will Xu, Sagar Patil
• Abstract要約: 我々は3つの重要なコンポーネントを特定し、開発する。 これには、Unityシミュレーションと強化学習モデルトレーニングパイプライン、可搬型コンピュータビジョンパイプライン、データ転送パイプラインが含まれる。 将来これらのコンポーネントを再利用し、改善できるように、コミュニティにこれらすべてのコンポーネントへのアクセスを提供しています。
• 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: This technical report details VEX Robotics team BLRSAI's development of a fully autonomous robot for VEX Robotics' Tipping Point AI Competition. We identify and develop three separate critical components. This includes a Unity simulation and reinforcement learning model training pipeline, a malleable computer vision pipeline, and a data transfer pipeline to offload large computations from the VEX V5 Brain/micro-controller to an external computer. We give the community access to all of these components in hopes they can reuse and improve upon them in the future, and that it'll spark new ideas for autonomy as well as the necessary infrastructure and programs for AI in educational robotics.
• Abstract（参考訳）: このテクニカルレポートでは、vex roboticsのティッピングポイントaiコンペティションのための完全自律型ロボットの開発について詳述する。 我々は3つの重要なコンポーネントを特定し、開発する。 これには、ユニティシミュレーションと強化学習モデルのトレーニングパイプライン、可鍛型コンピュータビジョンパイプライン、vex v5のブレイン/マイクロコントローラから外部コンピュータに大規模な計算をオフロードするデータ転送パイプラインが含まれる。 将来、これらのコンポーネントの再利用と改善を期待して、コミュニティにこれらすべてのコンポーネントへのアクセスを提供し、自律性のための新たなアイデアと、教育ロボティクスにおけるAIに必要なインフラストラクチャとプログラムを生み出します。

関連論文リスト

• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• CyberCortex.AI: An AI-based Operating System for Autonomous Robotics and Complex Automation [0.0]
  我々は、異種AIベースのロボティクスと複雑な自動化アプリケーションを実現するために設計されたロボットOSであるCyberCortex AIを紹介する。 CyberCortex AIは、分散化された分散OSで、ロボットが互いに通信し、クラウドの高性能コンピュータと通信することを可能にする。 ロボットのセンサーと制御データは、その後ロボットにデプロイされるAIアルゴリズムのトレーニングを目的として、HPCシステムに向けてストリームされる。
  論文  参考訳（メタデータ） (2024-09-02T13:14:50Z)
• Towards a Robust Soft Baby Robot With Rich Interaction Ability for Advanced Machine Learning Algorithms [25.85850890842541]
  我々は、大きなアクションスペースと、複数のカメラからのリッチな知覚データストリームを備えた、頑丈で部分的にソフトなロボットアームを構築します。 概念実証として、2つの現代の機械学習アルゴリズムを訓練し、単純な目標達成タスクを実行する。
  論文  参考訳（メタデータ） (2024-04-11T19:15:45Z)
• 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)
• WIP: Development of a Student-Centered Personalized Learning Framework to Advance Undergraduate Robotics Education [3.4359491310368786]
  大学レベルでのロボティクスの研究は、幅広い関心、経験、目的を表している。 本稿では,ロボット工学の学生にパーソナライズされた学習環境を提供する学習システムの開発について述べる。
  論文  参考訳（メタデータ） (2023-09-10T20:00:25Z)
• Towards Building AI-CPS with NVIDIA Isaac Sim: An Industrial Benchmark and Case Study for Robotics Manipulation [18.392301524812645]
  代表的サイバー物理システム(CPS)として、ロボットマニピュレータは様々な学術研究や産業プロセスで広く採用されている。 ロボット操作の最近の研究は、適応性と性能を向上させるために人工知能(AI)アプローチをコントローラとして採用し始めている。 本稿では,ロボット操作のための公開産業ベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-07-31T18:21:45Z)
• Towards Long-term Autonomy: A Perspective from Robot Learning [13.38855419752331]
  サービスロボットは、人間の介入なしに長期にわたって自律的に動作できることが期待されている。 本稿では,ロボット学習の観点から長期的自律性の問題について考察する。
  論文  参考訳（メタデータ） (2022-12-24T18:32:14Z)
• GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots [87.32145104894754]
  四足歩行ロボットのための汎用ロコモーション(GenLoco)コントローラを訓練するためのフレームワークを提案する。 本フレームワークは,多種多様な四足歩行ロボットに展開可能な汎用ロコモーションコントローラを合成する。 我々のモデルは、より一般的な制御戦略を取得し、新しいシミュレーションロボットや実世界のロボットに直接移行できることを示す。
  論文  参考訳（メタデータ） (2022-09-12T15:14:32Z)
• Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision [72.4735163268491]
  ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。 我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。 IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
  論文  参考訳（メタデータ） (2022-06-29T01:23:57Z)
• Tiny Robot Learning: Challenges and Directions for Machine Learning in Resource-Constrained Robots [57.27442333662654]
  機械学習(ML)は、コンピュータシステムにまたがる普及したツールとなっている。 ティニー・ロボット・ラーニング(Tiny Robot Learning)とは、リソースに制約された低コストの自律ロボットにMLを配置する手法である。 小型ロボット学習は、サイズ、重量、面積、パワー(SWAP)の制約によって困難にさらされる。 本稿では,小型ロボットの学習空間を簡潔に調査し,重要な課題を詳述し,MLシステム設計における将来的な仕事の機会を提案する。
  論文  参考訳（メタデータ） (2022-05-11T19:36:15Z)
• Machine Learning-Based Automated Design Space Exploration for Autonomous Aerial Robots [55.056709056795206]
  自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。 F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。 サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
  論文  参考訳（メタデータ） (2021-02-05T03:50:54Z)

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。