Fugu-MT 論文翻訳(概要): Mobility-Aware Computation Offloading for Swarm Robotics using Deep Reinforcement Learning

論文の概要: Mobility-Aware Computation Offloading for Swarm Robotics using Deep Reinforcement Learning

arxiv url: http://arxiv.org/abs/2308.11154v1
Date: Tue, 22 Aug 2023 03:20:14 GMT
ステータス: 処理完了
システム内更新日: 2023-08-23 13:57:50.630121
Title: Mobility-Aware Computation Offloading for Swarm Robotics using Deep Reinforcement Learning
Title（参考訳）: 深層強化学習を用いたswarm roboticsのモビリティアウェア計算オフロード
Authors: Xiucheng Wang, Hongzhi Guo
Abstract要約: Swarm Roboticsは、多くの汚れた、危険な、退屈なタスクを自動化することを想定している。現在のロボットには、限られた時間情報しか提供できない少数のロボットがある。我々は,モバイルエッジコンピューティングを活用して負担を軽減することを提案する。
参考スコア（独自算出の注目度）: 3.751111087006503
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Swarm robotics is envisioned to automate a large number of dirty, dangerous, and dull tasks. Robots have limited energy, computation capability, and communication resources. Therefore, current swarm robotics have a small number of robots, which can only provide limited spatio-temporal information. In this paper, we propose to leverage the mobile edge computing to alleviate the computation burden. We develop an effective solution based on a mobility-aware deep reinforcement learning model at the edge server side for computing scheduling and resource. Our results show that the proposed approach can meet delay requirements and guarantee computation precision by using minimum robot energy.
Abstract（参考訳）: swarm roboticsは、大量の汚い、危険な、退屈なタスクを自動化することを想定している。ロボットはエネルギー、計算能力、通信資源が限られている。したがって、現在のswarm roboticsは、限られた時空間情報しか提供できない少数のロボットを持っている。本稿では,モバイルエッジコンピューティングを利用して計算負荷を軽減することを提案する。我々は,エッジサーバ側における移動性を考慮した深層強化学習モデルに基づいて,スケジューリングと資源の計算に有効なソリューションを開発した。提案手法は遅延条件を満たし,最小ロボットエネルギーを用いて計算精度を保証できることを示す。

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)
Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
論文参考訳（メタデータ） (2024-08-29T20:22:22Z)
Tiny Reinforcement Learning for Quadruped Locomotion using Decision Transformers [0.9217021281095907]
リソース制約のあるロボットプラットフォームは、低コストのハードウェア代替品を必要とするタスクに役立ちます。本稿では,資源制約のあるロボットプラットフォーム上での模倣学習を実現する手法を提案する。本手法は資源制約された四足歩行ロボットであるBittleの自然視運動を実現する。
論文参考訳（メタデータ） (2024-02-20T18:10:39Z)
How to Raise a Robot -- A Case for Neuro-Symbolic AI in Constrained Task Planning for Humanoid Assistive Robots [4.286794014747407]
ロボットタスク計画手法を用いて,プライバシ,セキュリティ,アクセス制御の制約を取り入れた新しい分野を探求する。本稿では,古典的シンボリックアプローチ,深層学習ニューラルネットワーク,および知識ベースとして大規模言語モデルを用いた現代的アイデアに関する予備的結果を報告する。
論文参考訳（メタデータ） (2023-12-14T11:09:50Z)
RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
論文参考訳（メタデータ） (2023-11-02T17:59:21Z)
Bridging Active Exploration and Uncertainty-Aware Deployment Using Probabilistic Ensemble Neural Network Dynamics [11.946807588018595]
本稿では,活発な探索と不確実性を考慮した展開を橋渡しするモデルベース強化学習フレームワークを提案する。探索と展開の対立する2つのタスクは、最先端のサンプリングベースのMPCによって最適化されている。自動運転車と車輪付きロボットの両方で実験を行い、探索と展開の両方に有望な結果を示します。
論文参考訳（メタデータ） (2023-05-20T17:20:12Z)
Learning Bipedal Walking for Humanoids with Current Feedback [5.429166905724048]
アクチュエータレベルでの不正確なトルクトラッキングから生じるヒューマノイドロボットのシム2リアルギャップ問題を克服するためのアプローチを提案する。提案手法は、実際のHRP-5Pヒューマノイドロボットに展開して二足歩行を実現するシミュレーションにおいて、一貫したエンドツーエンドのポリシーをトレーニングする。
論文参考訳（メタデータ） (2023-03-07T08:16:46Z)
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)
Large Scale Distributed Collaborative Unlabeled Motion Planning with Graph Policy Gradients [122.85280150421175]
本研究では,運動制約と空間制約を多数のロボットに対して2次元空間で解くための学習法を提案する。ロボットのポリシーをパラメータ化するためにグラフニューラルネットワーク(GNN)を用いる。
論文参考訳（メタデータ） (2021-02-11T21:57:43Z)
Task-relevant Representation Learning for Networked Robotic Perception [74.0215744125845]
本稿では,事前学習されたロボット知覚モデルの最終的な目的と協調して設計された感覚データのタスク関連表現を学習するアルゴリズムを提案する。本アルゴリズムは,ロボットの知覚データを競合する手法の最大11倍まで積極的に圧縮する。
論文参考訳（メタデータ） (2020-11-06T07:39:08Z)
Co-Evolution of Multi-Robot Controllers and Task Cues for Off-World Open Pit Mining [0.6091702876917281]
本稿では,マルチロボット掘削とサイト準備のシナリオにおいて,スケーラブルなコントローラを開発するための新しい手法を提案する。コントローラは空白のスレートから始まり、人間による操作スクリプトや、掘削機の運動学や力学の詳細なモデリングを必要としない。本稿では,テンプレートとタスクキューを用いてグループパフォーマンスをさらに向上し,アンタゴニティを最小化する方法について検討する。
論文参考訳（メタデータ） (2020-09-19T03:13:28Z)

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。