論文の概要: Intelligent Mode-switching Framework for Teleoperation

• arxiv url: http://arxiv.org/abs/2402.06047v1
• Date: Thu, 8 Feb 2024 20:38:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-12 18:41:47.904879
• Title: Intelligent Mode-switching Framework for Teleoperation
• Title（参考訳）: 遠隔操作のためのインテリジェントモードスイッチングフレームワーク
• Authors: Burak Kizilkaya, Changyang She, Guodong Zhao, Muhammad Ali Imran
• Abstract要約: 遠隔操作のためのインテリジェントなモードスイッチングフレームワークを提案する。 オペレータ側に深層強化学習エージェントを配置し、自律モードと遠隔操作モードをシームレスに切り替える。 提案手法は,タスク完了確率を向上し,最大50%の通信負荷削減を実現することができることを示す。
• 参考スコア（独自算出の注目度）: 15.606478556021733
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Teleoperation can be very difficult due to limited perception, high communication latency, and limited degrees of freedom (DoFs) at the operator side. Autonomous teleoperation is proposed to overcome this difficulty by predicting user intentions and performing some parts of the task autonomously to decrease the demand on the operator and increase the task completion rate. However, decision-making for mode-switching is generally assumed to be done by the operator, which brings an extra DoF to be controlled by the operator and introduces extra mental demand. On the other hand, the communication perspective is not investigated in the current literature, although communication imperfections and resource limitations are the main bottlenecks for teleoperation. In this study, we propose an intelligent mode-switching framework by jointly considering mode-switching and communication systems. User intention recognition is done at the operator side. Based on user intention recognition, a deep reinforcement learning (DRL) agent is trained and deployed at the operator side to seamlessly switch between autonomous and teleoperation modes. A real-world data set is collected from our teleoperation testbed to train both user intention recognition and DRL algorithms. Our results show that the proposed framework can achieve up to 50% communication load reduction with improved task completion probability.
• Abstract（参考訳）: 遠隔操作は、限られた知覚、高い通信遅延、オペレータ側での自由度(DoF)が制限されるため、非常に困難である。 自律的な遠隔操作は、ユーザの意図を予測し、タスクの一部を自律的に実行することで、オペレータへの需要を減らし、タスク完了率を高めることで、この難しさを克服するために提案される。 しかし、モードスイッチングの意思決定は一般にオペレータが行うと仮定され、オペレータが追加のDoFを制御し、追加の精神的な要求を導入する。 一方,遠隔操作の主なボトルネックはコミュニケーションの不完全さと資源制限であるが,コミュニケーションの観点は現在の文献では研究されていない。 本研究では,モードスイッチングと通信システムを同時に考慮し,インテリジェントモードスイッチングフレームワークを提案する。 利用者意図認識はオペレータ側で行われる。 ユーザ意図認識に基づいて、オペレータ側で深層強化学習(DRL)エージェントを訓練して展開し、自律モードと遠隔操作モードをシームレスに切り替える。 ユーザ意図認識とDRLアルゴリズムの両方をトレーニングするために,実世界のデータセットを遠隔操作テストベッドから収集する。 その結果,提案フレームワークはタスク完了確率を向上し,最大50%の通信負荷低減を実現することができた。

関連論文リスト

• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Simulation of robot swarms for learning communication-aware coordination [0.0]
  我々は、全能集中型コントローラから得られる局所的な観測を入力として、エンドツーエンドのニューラルネットワークを訓練する。 実験は、平面ロボットの高性能オープンソースシミュレータであるEnkiで実施されている。
  論文  参考訳（メタデータ） (2023-02-25T17:17:40Z)
• Semantic and Effective Communication for Remote Control Tasks with Dynamic Feature Compression [23.36744348465991]
  ロボットの群れの調整と産業システムのリモート無線制御は、5Gおよびそれ以上のシステムの主要なユースケースである。 本研究では,タスクを制御するアクターに知覚データを伝達しなければならないプロトタイパルシステムについて考察する。 本稿では,量子化レベルを動的に適応させるために,アンサンブルベクトル量子化変分オートエンコーダ(VQ-VAE)を符号化し,深層強化学習(DRL)エージェントを訓練する。
  論文  参考訳（メタデータ） (2023-01-14T11:43:56Z)
• The Enforcers: Consistent Sparse-Discrete Methods for Constraining Informative Emergent Communication [5.432350993419402]
  コミュニケーションは、エージェントが目標を達成するために協力することを可能にする。 疎間コミュニケーションの学習における最近の研究は、特に協調作業において、コミュニケーションの減少のコストが報酬の減少につながるような、高分散トレーニングに悩まされている。 本研究は、コミュニケーションの減少による報酬の損失を抑え、差別に対するペナルティを排除し、上記の課題に対処する。
  論文  参考訳（メタデータ） (2022-01-19T07:31:06Z)
• Error-Aware Imitation Learning from Teleoperation Data for Mobile Manipulation [54.31414116478024]
  移動操作(MM)では、ロボットは環境内を移動して操作することができる。 本研究では,MMタスクに対する連続的なビジュオモダポリシの学習に模倣学習(IL)を適用する方法について検討する。
  論文  参考訳（メタデータ） (2021-12-09T23:54:59Z)
• Human operator cognitive availability aware Mixed-Initiative control [1.155258942346793]
  本稿では,遠隔操作型移動ロボットのための認知アベイラビリティAware Mixed-Initiative Controllerを提案する。 コントローラは、AIまたは人間の操作者によって起動される異なるレベルの自律性(LOA)の動的切り替えを可能にする。 遠隔ロボットによる探査作業を人間オペレーターが行う災害対応実験において、制御器の評価を行う。
  論文  参考訳（メタデータ） (2021-08-26T16:21:56Z)
• Communication-Efficient Split Learning Based on Analog Communication and Over the Air Aggregation [48.150466900765316]
  スプリットラーニング(SL)は、その固有のプライバシー保護機能と、限られた計算能力を持つデバイスに対する協調推論を可能にする能力により、最近人気を集めている。 標準SLアルゴリズムは、理想的なデジタル通信システムを想定し、通信帯域不足の問題を無視している。 本稿では,エージェント側で追加層を導入し,重みとバイアスの選択を制約し,空気の凝集を確実にするための新しいSLフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-02T07:49:41Z)
• Towards an AI assistant for human grid operators [59.535699822923]
  電力システムは、デジタル時代の運用がより複雑になっている。 人間のオペレーターがより多くの情報を扱う必要があるため、リアルタイムの意思決定はますます困難になっている。 より統一的でインタラクティブなフレームワークの下で、ヒューマンマシンインターフェースを再考する必要がある。
  論文  参考訳（メタデータ） (2020-12-03T16:12:58Z)
• Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots [58.980293789967575]
  通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。 室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。 調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
  論文  参考訳（メタデータ） (2020-11-23T21:45:01Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)

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。