論文の概要: Software Engineering for Robotics: Future Research Directions; Report
from the 2023 Workshop on Software Engineering for Robotics
- arxiv url: http://arxiv.org/abs/2401.12317v1
- Date: Mon, 22 Jan 2024 19:21:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 17:42:29.637369
- Title: Software Engineering for Robotics: Future Research Directions; Report
from the 2023 Workshop on Software Engineering for Robotics
- Title（参考訳）: ロボティクスのためのソフトウェアエンジニアリング:今後の研究方向;2023年ロボティクスのためのソフトウェアエンジニアリングに関するワークショップ報告
- Authors: Claire Le Goues (Carnegie Mellon University), Sebastian Elbaum
(University of Virginia), David Anthony (Southwest Research Institute), Z.
Berkay Celik (Purdue University), Mauricio Castillo-Effen (Lockheed Martin),
Nikolaus Correll (University of Colorado-Boulder), Pooyan Jamshidi
(University of South Carolina), Morgan Quigley (Open Source Robotics
Foundation), Trenton Tabor (Carnegie Mellon University) and Qi Zhu
(Northwestern University)
- Abstract要約: Software Engineering for Roboticsは2023年10月にミシガン州デトロイトで開催された。
ワークショップの目標は、ロボット工学とソフトウェア工学にまたがる思想的リーダーを集結させ、コミュニティを結集させることだった。
本報告は,ワークショップの動機,活動,成果をまとめたものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robots are experiencing a revolution as they permeate many aspects of our
daily lives, from performing house maintenance to infrastructure inspection,
from efficiently warehousing goods to autonomous vehicles, and more. This
technical progress and its impact are astounding. This revolution, however, is
outstripping the capabilities of existing software development processes,
techniques, and tools, which largely have remained unchanged for decades. These
capabilities are ill-suited to handling the challenges unique to robotics
software such as dealing with a wide diversity of domains, heterogeneous
hardware, programmed and learned components, complex physical environments
captured and modeled with uncertainty, emergent behaviors that include human
interactions, and scalability demands that span across multiple dimensions.
Looking ahead to the need to develop software for robots that are ever more
ubiquitous, autonomous, and reliant on complex adaptive components, hardware,
and data, motivated an NSF-sponsored community workshop on the subject of
Software Engineering for Robotics, held in Detroit, Michigan in October 2023.
The goal of the workshop was to bring together thought leaders across robotics
and software engineering to coalesce a community, and identify key problems in
the area of SE for robotics that that community should aim to solve over the
next 5 years. This report serves to summarize the motivation, activities, and
findings of that workshop, in particular by articulating the challenges unique
to robot software, and identifying a vision for fruitful near-term research
directions to tackle them.
- Abstract（参考訳）: ロボットは、家のメンテナンスやインフラ検査、効率的なウェアハウスから自動運転車まで、私たちの日常生活の多くの側面を浸透させながら、革命を経験している。
この技術的進歩とその影響は驚くべきものだ。
しかし、この革命は、何十年も変わっていない既存のソフトウェア開発プロセス、技術、ツールの能力を上回っている。
これらの能力は、多様なドメイン、異種ハードウェア、プログラムと学習されたコンポーネント、不確実性によって捕捉されモデル化された複雑な物理的環境、人間のインタラクションを含む創発的な振る舞い、複数の次元にまたがるスケーラビリティ要求など、ロボット工学ソフトウェア特有の課題を扱うのに不適である。
よりユビキタスで自律的で、複雑な適応コンポーネントやハードウェア、データに依存したロボットのためのソフトウェアを開発する必要性を鑑み、2023年10月にミシガン州デトロイトで開催されたSoftware Engineering for Roboticsのテーマに関するNSF主催のコミュニティワークショップを動機とした。
ワークショップの目的は、ロボット工学とソフトウェア工学の思想的リーダーを集めてコミュニティを合体させ、そのコミュニティが今後5年間に解決することを目指すロボット工学のためのSEの領域における重要な問題を特定することである。
本報告は,そのワークショップの動機,活動,成果を要約し,特にロボットソフトウェアに特有の課題を明確にし,それらに取り組むための実りある短期的な研究方向のビジョンを特定する。
関連論文リスト
- A Retrospective on the Robot Air Hockey Challenge: Benchmarking Robust, Reliable, and Safe Learning Techniques for Real-world Robotics [53.33976793493801]
私たちは、NeurIPS 2023カンファレンスでRobot Air Hockey Challengeを組織しました。
我々は、シム・トゥ・リアルギャップ、低レベルの制御問題、安全性問題、リアルタイム要件、実世界のデータの限られた可用性など、ロボット工学における実践的な課題に焦点を当てる。
その結果、学習に基づくアプローチと事前知識を組み合わせたソリューションは、実際のデプロイメントが困難である場合にデータのみに依存するソリューションよりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-11-08T17:20:47Z) - Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。
結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文 参考訳（メタデータ） (2024-10-28T13:03:09Z) - State-of-the-art in Robot Learning for Multi-Robot Collaboration: A Comprehensive Survey [2.686336957004475]
この基盤上に構築されたマルチロボットシステム(MRS)は劇的な進化を遂げている。
人工知能技術とロボットハードウェアの融合は、MSSに幅広い応用可能性をもたらしている。
本稿では,マルチロボット協調におけるロボット学習の現状について概説する。
論文 参考訳（メタデータ） (2024-08-03T21:22:08Z) - Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。
現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。
本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
論文 参考訳（メタデータ） (2024-07-02T21:00:30Z) - Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。
我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - 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) - 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) - Aplica\c{c}\~ao de ros como ferramenta de ensino a rob\'otica / using
ros as a robotics teaching tool [0.0]
ロボットマニピュレータの研究は、インダストリアル・ロボティクス・クラスの主要な目標である。
本稿では,ロボットアーム開発のためのツールとして,ロボット操作システム(ROS)の利用を明らかにすることを目的とする。
論文 参考訳（メタデータ） (2022-03-31T09:48:21Z) - A Reference Software Architecture for Social Robots [64.86618385090416]
我々は社会ロボットが恩恵を受けるかもしれない一連の原則を提案する。
これらの原則は、社会ロボットのためのリファレンスソフトウェアアーキテクチャの設計の基礎にもなっている。
論文 参考訳（メタデータ） (2020-07-09T17:03:21Z) - SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。
部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
論文 参考訳（メタデータ） (2020-03-19T00:11:34Z)
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。