論文の概要: Hardware Neural Control of CartPole and F1TENTH Race Car

• arxiv url: http://arxiv.org/abs/2407.08681v1
• Date: Thu, 11 Jul 2024 17:14:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-12 16:30:47.687689
• Title: Hardware Neural Control of CartPole and F1TENTH Race Car
• Title（参考訳）: カートポールとF1TENTHレースカーのハードウェアニューラル制御
• Authors: Marcin Paluch, Florian Bolli, Xiang Deng, Antonio Rios Navarro, Chang Gao, Tobi Delbruck,
• Abstract要約: この研究は、教師付き学習でNMPCを模倣するように訓練されたハードウェアFPGAニューラルネットワークコントローラの使用を実証する。 我々は、安価な組み込みFPGAハードウェアに実装されたこれらのニューラルコントローラを用いて、物理カートポールとF1TENTHレースカーの高周波制御を行う。
• 参考スコア（独自算出の注目度）: 11.074113215239159
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nonlinear model predictive control (NMPC) has proven to be an effective control method, but it is expensive to compute. This work demonstrates the use of hardware FPGA neural network controllers trained to imitate NMPC with supervised learning. We use these Neural Controllers (NCs) implemented on inexpensive embedded FPGA hardware for high frequency control on physical cartpole and F1TENTH race car. Our results show that the NCs match the control performance of the NMPCs in simulation and outperform it in reality, due to the faster control rate that is afforded by the quick FPGA NC inference. We demonstrate kHz control rates for a physical cartpole and offloading control to the FPGA hardware on the F1TENTH car. Code and hardware implementation for this paper are available at https:// github.com/SensorsINI/Neural-Control-Tools.
• Abstract（参考訳）: 非線形モデル予測制御(NMPC)は効果的な制御法であることが証明されているが、計算は高価である。 この研究は、教師付き学習でNMPCを模倣するように訓練されたハードウェアFPGAニューラルネットワークコントローラの使用を実証する。 我々は、安価な組み込みFPGAハードウェア上に実装されたこれらのニューラルコントローラを用いて、物理カートポールとF1TENTHレースカーの高周波制御を行う。 この結果から,NCは高速FPGA NC推論で得られる制御速度が速いため,シミュレーションにおけるNMPCの制御性能に一致し,現実よりも優れることがわかった。 我々は、F1TENTH車のFPGAハードウェアに物理的カートポールのkHz制御率とオフロード制御を実証する。 本論文のコードとハードウェアの実装はhttps:// github.com/SensorsINI/Neural-Control-Toolsで公開されている。

関連論文リスト

• Partial End-to-end Reinforcement Learning for Robustness Against Modelling Error in Autonomous Racing [0.0]
  本稿では、自動運転車における強化学習(RL)ソリューションの性能向上の問題に対処する。 計画タスクと制御タスクを分離する部分的なエンドツーエンドアルゴリズムを提案する。 従来の制御器のロバスト性を活用することにより,本アルゴリズムは標準のエンドツーエンドアルゴリズムよりもモデルミスマッチに対するロバスト性を向上する。
  論文  参考訳（メタデータ） (2023-12-11T14:27:10Z)
• End-to-end codesign of Hessian-aware quantized neural networks for FPGAs and ASICs [49.358119307844035]
  我々は、共設計ニューラルネットワーク(NN)のトレーニングと実装のためのエンドツーエンドワークフローを開発する。 これにより、ハードウェアにおける効率的なNN実装が、非専門家に、単一のオープンソースワークフローでアクセスできるようになる。 大型ハドロン衝突型加速器(LHC)の40MHz衝突速度で動作しなければならないトリガー決定を含む粒子物理学アプリケーションにおけるワークフローを実演する。 シミュレーションLHC陽子-陽子衝突における高速粒子ジェット用混合精度NNを実装した。
  論文  参考訳（メタデータ） (2023-04-13T18:00:01Z)
• DeepPicarMicro: Applying TinyML to Autonomous Cyber Physical Systems [2.2667044691227636]
  本稿では、Raspberry Pi Pico MCU上で畳み込みニューラルネットワーク(CNN)を動作させる、小型の自動運転RCカーテストベッドであるDeepPicarMicroを紹介する。 我々は、よく知られたPilotNet CNNアーキテクチャに適合させるために、最先端のDNN最適化を適用した。 システムの精度、レイテンシ、制御性能の興味深い関係を観察する。
  論文  参考訳（メタデータ） (2022-08-23T21:58:53Z)
• Neural network accelerator for quantum control [3.9756120456577007]
  本研究では,最適なパルスパラメータを予測するための機械学習アルゴリズムを実演する。 このアルゴリズムは低リソースFPGAに適合し、175 nsのレイテンシで推論を行うのに十分軽量である。 長期的には、従来のコンピュータでは動作できない量子コンピューティングハードウェアの近くで、そのようなアクセラレータを使用できる。
  論文  参考訳（メタデータ） (2022-08-04T13:23:53Z)
• Learning to Control Direct Current Motor for Steering in Real Time via Reinforcement Learning [2.3554584457413483]
  実機と模擬環境の両方においてゴルフカートの位置制御にNFQアルゴリズムを用いる。 シミュレーションでは4分、実際のハードウェアでは11分で制御を成功させました。
  論文  参考訳（メタデータ） (2021-07-31T03:24:36Z)
• Neural Network Based Model Predictive Control for an Autonomous Vehicle [3.222802562733787]
  本研究では,自律走行車制御のためのモデル予測コントローラ(MPC)の代替として,学習ベースコントローラについて検討する。 教師あり学習と強化学習による学習を比較した。 本研究の目的は,リアルタイムプラットフォームに組み込み,形式的手法による検証が可能なコントローラの開発である。
  論文  参考訳（メタデータ） (2021-07-30T12:11:31Z)
• Competitive Control [52.28457815067461]
  我々は,オンラインコントローラの設計に重点を置き,オフラインの最適コントローラと競合するオンラインコントローラの設計に重点を置いている。 この設定における自然なパフォーマンス指標は、オンラインコントローラが引き起こしたコストとオフラインの最適コントローラが引き起こしたコストとの比である競争比である。
  論文  参考訳（メタデータ） (2021-07-28T22:26:27Z)
• Machine Learning for Mechanical Ventilation Control [52.65490904484772]
  圧制御換気における侵襲的機械式換気装置の制御の問題点を考察する。 PIDコントローラは、臨床医が指定する気道圧の軌跡に従って、鎮静患者の肺の空気を入出させる必要があります。 制御器は、PID制御器よりも目標圧力波形をかなりよく追跡できることを示す。
  論文  参考訳（メタデータ） (2021-02-12T21:23:33Z)
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion [95.1825179206694]
  四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。 高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。 確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
  論文  参考訳（メタデータ） (2020-09-21T16:49:26Z)
• Extending XACC for Quantum Optimal Control [70.19683407682642]
  量子コンピューティングベンダーは、直接パルスレベルの量子制御のためのアプリケーションプログラミングをオープンにし始めている。 本稿では,XACCシステムレベルの量子古典ソフトウェアフレームワークの拡張について述べる。 この拡張により、デジタル量子回路表現を等価なパルスシーケンスに変換することができる。
  論文  参考訳（メタデータ） (2020-06-04T13:13:55Z)
• Enabling Pulse-level Programming, Compilation, and Execution in XACC [78.8942067357231]
  ゲートモデル量子処理ユニット(QPU)は現在、クラウド上のベンダーから利用可能である。 物理ハードウェア上で低深度回路を実行するためのデジタル量子プログラミングアプローチが存在する。 ベンダーはこのパルスレベル制御システムを、特定のインターフェースを通じて一般公開し始めている。
  論文  参考訳（メタデータ） (2020-03-26T15:08:32Z)

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。