論文の概要: Autonomy 2.0: The Quest for Economies of Scale
- arxiv url: http://arxiv.org/abs/2307.03973v1
- Date: Sat, 8 Jul 2023 13:13:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-11 16:19:31.129222
- Title: Autonomy 2.0: The Quest for Economies of Scale
- Title（参考訳）: Autonomy 2.0: スケールのエコノミーの探求
- Authors: Shuang Wu, Bo Yu, Shaoshan Liu, Yuhao Zhu
- Abstract要約: スケーラビリティは技術的観点からも非常に必要であり、経済的観点からも非常に有利である、と私たちは主張する。
現在の開発パラダイムであるAutonomy 1.0は、データや計算リソースの量ではなく、エンジニア数でスケールする。
自律性2.0(Autonomy 2.0)と呼ばれる新しい開発パラダイムが、これらの問題に対処し、自律性産業を大きく向上させる方法について説明する。
- 参考スコア（独自算出の注目度）: 21.69400057796787
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the advancement of robotics and AI technologies in the past decade, we
have now entered the age of autonomous machines. In this new age of information
technology, autonomous machines, such as service robots, autonomous drones,
delivery robots, and autonomous vehicles, rather than humans, will provide
services. In this article, through examining the technical challenges and
economic impact of the digital economy, we argue that scalability is both
highly necessary from a technical perspective and significantly advantageous
from an economic perspective, thus is the key for the autonomy industry to
achieve its full potential. Nonetheless, the current development paradigm,
dubbed Autonomy 1.0, scales with the number of engineers, instead of with the
amount of data or compute resources, hence preventing the autonomy industry to
fully benefit from the economies of scale, especially the exponentially
cheapening compute cost and the explosion of available data. We further analyze
the key scalability blockers and explain how a new development paradigm, dubbed
Autonomy 2.0, can address these problems to greatly boost the autonomy
industry.
- Abstract（参考訳）: 過去10年間のロボティクスとAI技術の進歩により、私たちは今や自律機械の時代に入りました。
情報技術の新たな時代には、サービスロボット、自律ドローン、配達ロボット、人間ではなく自動運転車といった自律型マシンがサービスを提供する。
本稿では,デジタル経済の技術的課題と経済的影響を調べることによって,スケーラビリティは技術的観点からも極めて必要であり,経済的観点からも極めて有利である,と論じる。
それにもかかわらず、現在の開発パラダイムであるAutonomy 1.0は、データや計算リソースの量ではなく、エンジニア数でスケールしているため、自律性産業がスケールの経済、特に指数関数的に安い計算コストと利用可能なデータの爆発から完全に利益を得ることができない。
さらに、重要なスケーラビリティブロッカーを分析し、Autonomy 2.0と呼ばれる新しい開発パラダイムがこれらの問題に対処して、自律性産業を劇的に向上させる方法について説明する。
関連論文リスト
- Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。
第一に、計算要求がモデルの性能よりも早く増加し、不合理な経済要求と不均等な環境フットプリントにつながるため、持続可能ではない。
第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
論文 参考訳（メタデータ） (2024-09-21T14:43:54Z) - Classical and Quantum Physical Reservoir Computing for Onboard Artificial Intelligence Systems: A Perspective [0.0]
本稿では,生体脳の動作を模倣する,搭載型ニューロモルフィックコンピュータの開発を論じる。
量子ニューロモルフィックプロセッサ(QNP)は、オンボードバッテリーの1%未満を消費しながら、標準的なコンピュータの効率で計算を行うことができる。
論文 参考訳（メタデータ） (2024-06-14T06:55:09Z) - Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - 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) - 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) - Vision Paper: Causal Inference for Interpretable and Robust Machine
Learning in Mobility Analysis [71.2468615993246]
インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。
ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。
このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
論文 参考訳（メタデータ） (2022-10-18T17:28:58Z) - Rise of the Autonomous Machines [1.4467794332678539]
我々は、自律機械の技術的および非技術的課題を認識し、分類するための予備的な試みを行っている。
これは、コミュニティが将来、明確で効果的で、より正式な開発目標ポストを定義するのに役立つと期待されている。
論文 参考訳（メタデータ） (2021-06-26T09:46:01Z) - Future of work: ethics [0.0]
過度な自動化がデジタル化プロセスの原動力のようだ。
デジタル技術は人間のスキルを高め、人間の認知と能力をより生産的に活用するために設計されるべきである。
論文 参考訳（メタデータ） (2021-04-06T15:20:30Z)
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。