論文の概要: Modeling and Simulation of a Multi Robot System Architecture

• arxiv url: http://arxiv.org/abs/2411.02468v1
• Date: Mon, 04 Nov 2024 14:00:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 15:01:47.596070
• Title: Modeling and Simulation of a Multi Robot System Architecture
• Title（参考訳）: マルチロボットシステムのモデリングとシミュレーション
• Authors: Ahmed R. Sadik, Christian Goerick, Manuel Muehlig,
• Abstract要約: マルチロボットシステム(Multi Robot System、MRS)は、ロボットが人間のニーズを理解する知的サイバー物理システムの基盤である。 本稿では,人間が利用可能なロボットによる要求を開始する,汎用的なMSSケーススタディを紹介する。 MRSのモデリングは、提案したアーキテクチャの性能をシミュレートし、測定するために使用できるため、適切なシステムアーキテクチャを設計する上で重要な側面である。
• 参考スコア（独自算出の注目度）: 0.3686808512438362
• License:
• Abstract: A Multi Robot System (MRS) is the infrastructure of an intelligent cyberphysical system, where the robots understand the need of the human, and hence cooperate together to fulfill this need. Modeling an MRS is a crucial aspect of designing the proper system architecture, because this model can be used to simulate and measure the performance of the proposed architecture. However, an MRS solution architecture modeling is a very difficult problem, as it contains many dependent behaviors that dynamically change due to the current status of the overall system. In this paper, we introduce a general purpose MRS case study, where the humans initiate requests that are achieved by the available robots. These requests require different plans that use the current capabilities of the available robots. After proposing an architecture that defines the solution components, three steps are followed. First is modeling these components via Business Process Model and Notation (BPMN) language. BPMN provides a graphical notation to precisely represent the behaviors of every component, which is an essential need to model the solution. Second is to simulate these components behaviors and interaction in form of software agents. Java Agent DEvelopment (JADE) middleware has been used to develop and simulate the proposed model. JADE is based on a reactive agent approach, therefore it can dynamically represent the interaction among the solution components. Finally is to analyze the performance of the solution by defining a number of quantitative measurements, which can be obtained while simulating the system model in JADE middleware, therefore the solution can be analyzed and compared to another architecture.
• Abstract（参考訳）: マルチロボットシステム(Multi Robot System、MRS)は、ロボットが人間のニーズを理解し、そのため、このニーズを満たすために協力するインテリジェントなサイバー物理システムの基盤である。 MRSのモデリングは、提案したアーキテクチャの性能をシミュレートし、測定するために使用できるため、適切なシステムアーキテクチャを設計する上で重要な側面である。 しかし、MSSソリューションアーキテクチャモデリングは、システム全体の現状によって動的に変化する多くの依存する振る舞いを含むため、非常に難しい問題である。 本稿では,人間が利用可能なロボットによって実現された要求を開始する,汎用的なMSSケーススタディを紹介する。 これらの要求は、利用可能なロボットの現在の能力を使用するさまざまな計画を必要とする。 ソリューションコンポーネントを定義するアーキテクチャを提案した後、3つのステップが続く。 まず、これらのコンポーネントをBPMN(Business Process Model and Notation)言語でモデリングします。 BPMNは、すべてのコンポーネントの振舞いを正確に表現するためのグラフィカルな表記法を提供しています。 第2に、これらのコンポーネントの振る舞いとインタラクションを、ソフトウェアエージェントの形でシミュレートする。 Java Agent Development (JADE) ミドルウェアは提案したモデルの開発とシミュレートに使用されている。 JADEはリアクティブエージェントアプローチに基づいているため、ソリューションコンポーネント間のインタラクションを動的に表現することができる。 最後に、JADEミドルウェアのシステムモデルをシミュレートしながら得られる数量の測定値を定義して、ソリューションの性能を解析し、他のアーキテクチャと比較する。

関連論文リスト

• A Model Is Not Built By A Single Prompt: LLM-Based Domain Modeling With Question Decomposition [4.123601037699469]
  現実世界のドメインモデリングでは、エンジニアは通常複雑なタスクを簡単に解けるサブタスクに分解する。 本稿では,開発者のモデリングプロセスに類似した質問分解によるLLMに基づくドメインモデリング手法を提案する。 予備的な結果から,本手法は単発プロンプトによるプロンプトよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-13T14:28:04Z)
• Multi-Robot System Architecture design in SysML and BPMN [0.4143603294943439]
  マルチロボットシステム(MRS)は多くの異なるソフトウェアとハードウェアコンポーネントを含む複雑なシステムである。 提案手法は,システム工学の形式的手法に基づくモジュラーモデリングとシミュレーション技術を提供する。
  論文  参考訳（メタデータ） (2024-07-26T14:04:40Z)
• LLM experiments with simulation: Large Language Model Multi-Agent System for Simulation Model Parametrization in Digital Twins [4.773175285216063]
  本稿では,大規模言語モデル(LLM)を適用し,デジタル双生児におけるシミュレーションモデルのパラメトリゼーションを自動化する新しいフレームワークを提案する。 提案手法は,LLMの知識を取り入れたシミュレーションモデルのユーザビリティを向上させる。 このシステムは、ユーザのフレンドリさを高め、人間のユーザの認知負荷を軽減する可能性がある。
  論文  参考訳（メタデータ） (2024-05-28T11:59:40Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
  製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。 セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-14T10:37:34Z)
• Transferring Foundation Models for Generalizable Robotic Manipulation [82.12754319808197]
  インターネット規模の基盤モデルによって生成された言語推論セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。 提案手法は,オブジェクトのポーズを効果的かつ堅牢に知覚し,サンプル効率のよい一般化学習を可能にする。 デモは提出されたビデオで見ることができ、より包括的なデモはlink1またはlink2で見ることができます。
  論文  参考訳（メタデータ） (2023-06-09T07:22:12Z)
• Multi-Agent Reinforcement Learning for Microprocessor Design Space Exploration [71.95914457415624]
  マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。 この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。 評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2022-11-29T17:10:24Z)
• PACT: Perception-Action Causal Transformer for Autoregressive Robotics Pre-Training [25.50131893785007]
  本研究は,ロボットにおける複数のタスクの出発点として機能する汎用表現を事前学習するためのパラダイムを導入する。 本稿では,ロボットデータから直接表現を自己管理的に構築することを目的として,PACT(Perception-Action Causal Transformer)を提案する。 より大規模な事前学習モデル上に小さなタスク特化ネットワークを微調整すると、同時に1つのモデルをスクラッチからトレーニングするのに比べ、性能が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2022-09-22T16:20:17Z)
• Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
  自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。 SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。 SFSCは評価データセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-06-16T16:46:32Z)
• Model LEGO: Creating Models Like Disassembling and Assembling Building Blocks [53.09649785009528]
  本稿では,新しいモデルを得るためのトレーニングを必要としないパラダイムについて検討する。 生体視覚系における受容野にインスパイアされたCNNの誕生と同様、モデル分解と組み立てを提案する。 モデル組立には、特定のタスクに適した新しいモデルを構築するために、アライメントパディング戦略とパラメータスケーリング戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T05:27:28Z)
• CAAI -- A Cognitive Architecture to Introduce Artificial Intelligence in Cyber-Physical Production Systems [1.5701326192371183]
  CAAIは、サイバー物理生産システムにおける人工知能の認知アーキテクチャである。 CAAIの中核は、ユーザの宣言的な目標を処理する認知モジュールである。 パイプラインの性能を評価する性能基準に対する一定の観察と評価を行う。
  論文  参考訳（メタデータ） (2020-02-26T16:27:07Z)

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。