論文の概要: Three Approaches to the Automation of Laser System Alignment and Their Resource Implications: A Case Study
- arxiv url: http://arxiv.org/abs/2409.11090v1
- Date: Tue, 17 Sep 2024 11:41:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-18 16:55:21.998208
- Title: Three Approaches to the Automation of Laser System Alignment and Their Resource Implications: A Case Study
- Title（参考訳）: レーザーシステムアライメントの自動化への3つのアプローチとその資源的意味:事例研究
- Authors: David A. Robb, Donald Risbridger, Ben Mills, Ildar Rakhmatulin, Xianwen Kong, Mustafa Erden, M. J. Daniel Esser, Richard M. Carter, Mike J. Chantler,
- Abstract要約: 3つの異なる自動化アプローチを特定し,検討する。
それらは、人工知能、手動アライメントのプラクティスを模倣するプラクティス主導、第一原理からモデリングするデザイン主導である。
我々は、人的資源において異なる自動化アプローチが著しく異なることを示し、サンプリング予算を計測する。
- 参考スコア（独自算出の注目度）: 1.3543803103181615
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The alignment of optical systems is a critical step in their manufacture. Alignment normally requires considerable knowledge and expertise of skilled operators. The automation of such processes has several potential advantages, but requires additional resource and upfront costs. Through a case study of a simple two mirror system we identify and examine three different automation approaches. They are: artificial neural networks; practice-led, which mimics manual alignment practices; and design-led, modelling from first principles. We find that these approaches make use of three different types of knowledge 1) basic system knowledge (of controls, measurements and goals); 2) behavioural skills and expertise, and 3) fundamental system design knowledge. We demonstrate that the different automation approaches vary significantly in human resources, and measurement sampling budgets. This will have implications for practitioners and management considering the automation of such tasks.
- Abstract（参考訳）: 光システムのアライメントは、その製造における重要なステップである。
調整は通常、熟練したオペレーターのかなりの知識と専門知識を必要とする。
このようなプロセスの自動化にはいくつかの潜在的な利点がありますが、追加のリソースと事前コストが必要です。
単純な2つのミラーシステムのケーススタディを通じて、3つの異なる自動化アプローチを特定し、検証する。
それらは、人工知能、手動アライメントのプラクティスを模倣するプラクティス主導、第一原理からモデリングするデザイン主導である。
これらのアプローチは3つの異なる種類の知識を生かしていることがわかった。
1)基本的なシステム知識(制御、測定及び目標)
2行動技能及び専門知識
3)基本的なシステム設計知識。
我々は、人的資源において異なる自動化アプローチが著しく異なることを示し、サンプリング予算を計測する。
このことは、そのようなタスクの自動化を考える実践者やマネジメントに影響を与えます。
関連論文リスト
- Networks of Networks: Complexity Class Principles Applied to Compound AI Systems Design [63.24275274981911]
多くの言語モデル推論コールからなる複合AIシステムは、ますます採用されている。
本研究では,提案した回答の生成と正当性検証の区別を中心に,ネットワークネットワーク(NoN)と呼ばれるシステムを構築した。
我々は,Kジェネレータを備えた検証器ベースの判定器NoNを導入し,"Best-of-K"あるいは"judge-based"複合AIシステムのインスタンス化を行う。
論文 参考訳（メタデータ） (2024-07-23T20:40:37Z) - The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳（メタデータ） (2024-02-07T01:45:14Z) - Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from
Offline Data [101.43350024175157]
自己指導型学習は、制御戦略を学ぶのに必要な人間のアノテーションとエンジニアリングの労力を減らす可能性がある。
我々の研究は、強化学習(RL)自体が自己監督的な問題であることを示す先行研究に基づいている。
コントラスト学習に基づく自己教師付きRLアルゴリズムは,実世界の画像に基づくロボット操作タスクを解くことができることを示す。
論文 参考訳（メタデータ） (2023-06-06T01:36:56Z) - Continual learning on deployment pipelines for Machine Learning Systems [4.884688557957589]
機械学習システムの展開は、非常に重要なトピックになりつつある。
本稿では、理論と実践における様々な技術の利点とデメリットを比較した。
また、機械学習システムのデプロイに対する評価フレームワークの意識を高めることも目標としている。
論文 参考訳（メタデータ） (2022-12-05T23:40:57Z) - An Automated Robotic Arm: A Machine Learning Approach [0.0]
現代の産業は、手動によるシステムの制御から自動化へと急速にシフトしている。
コンピュータベースのシステムは、品質と生産性を向上させることができるが、作業には柔軟性がない。
工業的重要性の1つは、ある場所から別の場所へ物を選んで配置することである。
論文 参考訳（メタデータ） (2022-01-07T10:33:01Z) - Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。
また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文 参考訳（メタデータ） (2021-11-28T14:24:52Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - Machine learning and deep learning [0.0]
機械学習は、問題固有のトレーニングデータから学習するシステムの能力を記述する。
ディープラーニングは、人工ニューラルネットワークに基づく機械学習の概念である。
論文 参考訳（メタデータ） (2021-04-12T09:54:12Z) - Applying Machine Learning in Self-Adaptive Systems: A Systematic
Literature Review [15.953995937484176]
現在、自己適応システムにおける機械学習の使用に関する体系的な概要はない。
我々は、従来のモニター・アナライズ・プラン・エクユートフィードバックループ(MAPE)に基づく自己適応システムに焦点を当てる。
研究の質問は、自己適応システムにおける機械学習の使用を動機づける問題、自己適応における学習の重要なエンジニアリング側面、オープンな課題に焦点を当てている。
論文 参考訳（メタデータ） (2021-03-06T13:45:59Z) - When Autonomous Systems Meet Accuracy and Transferability through AI: A
Survey [17.416847623629362]
本稿では,自律システムにおける学習に基づくアプローチを,正確性と伝達可能性の観点から概観する。
敵の学習の利点を示すため、正確性や伝達可能性の見直しに重点を置いている。
本稿では,自律システムにおける対人学習,RL,メタラーニングの課題と今後の課題について論じる。
論文 参考訳（メタデータ） (2020-03-29T04:50:22Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。