論文の概要: Self-Organizing Edge Computing Distribution Framework for Visual SLAM

• arxiv url: http://arxiv.org/abs/2501.08629v1
• Date: Wed, 15 Jan 2025 07:24:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-16 15:51:25.861537
• Title: Self-Organizing Edge Computing Distribution Framework for Visual SLAM
• Title（参考訳）: Visual SLAMのための自己組織化エッジコンピューティング分散フレームワーク
• Authors: Jussi Kalliola, Lauri Suomela, Sergio Moreschini, David Hästbacka,
• Abstract要約: 本稿では,デバイスネットワーク上で完全に分散されたSLAM実行を自己組織化できる新しいエッジ支援SLAMフレームワークを提案する。 アーキテクチャは3つのレイヤで構成されており、デバイスに依存しず、ネットワーク障害に対して回復力があり、コアSLAMシステムに最小限の侵入力を持つように設計されている。
• 参考スコア（独自算出の注目度）: 0.6749750044497732
• License:
• Abstract: Localization within a known environment is a crucial capability for mobile robots. Simultaneous Localization and Mapping (SLAM) is a prominent solution to this problem. SLAM is a framework that consists of a diverse set of computational tasks ranging from real-time tracking to computation-intensive map optimization. This combination can present a challenge for resource-limited mobile robots. Previously, edge-assisted SLAM methods have demonstrated promising real-time execution capabilities by offloading heavy computations while performing real-time tracking onboard. However, the common approach of utilizing a client-server architecture for offloading is sensitive to server and network failures. In this article, we propose a novel edge-assisted SLAM framework capable of self-organizing fully distributed SLAM execution across a network of devices or functioning on a single device without connectivity. The architecture consists of three layers and is designed to be device-agnostic, resilient to network failures, and minimally invasive to the core SLAM system. We have implemented and demonstrated the framework for monocular ORB SLAM3 and evaluated it in both fully distributed and standalone SLAM configurations against the ORB SLAM3. The experiment results demonstrate that the proposed design matches the accuracy and resource utilization of the monolithic approach while enabling collaborative execution.
• Abstract（参考訳）: 既知の環境内のローカライゼーションは、移動ロボットにとって重要な能力である。 同時ローカライゼーションとマッピング(SLAM)は、この問題に対する顕著な解決策である。 SLAMはリアルタイムトラッキングから計算集約マップ最適化まで,さまざまな計算タスクからなるフレームワークである。 この組み合わせは、リソース限定の移動ロボットにとって課題となる可能性がある。 これまで、エッジアシストSLAM法は、大量の計算をオフロードし、リアルタイムトラッキングをオンボードで実行することで、有望なリアルタイム実行能力を実証してきた。 しかし、クライアントサーバアーキテクチャをオフロードに使用する一般的なアプローチは、サーバやネットワークの障害に敏感である。 本稿では,デバイスネットワーク上での完全な分散SLAM実行を自己組織化したり,接続性のない単一デバイス上で機能する,エッジ支援SLAMフレームワークを提案する。 アーキテクチャは3つのレイヤで構成されており、デバイスに依存しず、ネットワーク障害に対して回復力があり、コアSLAMシステムに最小限の侵入力を持つように設計されている。 我々は,モノクラーORB SLAM3のフレームワークを実装し,ORB SLAM3に対して完全に分散したSLAM構成とスタンドアロンのSLAM構成の両方で評価した。 実験結果から,提案設計はモノリシックアプローチの精度と資源利用に一致し,協調実行が可能であった。

関連論文リスト

• WDMoE: Wireless Distributed Mixture of Experts for Large Language Models [68.45482959423323]
  大規模言語モデル(LLM)は様々な自然言語処理タスクにおいて大きな成功を収めた。 本稿では,無線ネットワーク上での基地局(BS)およびモバイルデバイスにおけるエッジサーバ間のLLMの協調展開を実現するために,無線分散Mixture of Experts(WDMoE)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-11-11T02:48:00Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• NGD-SLAM: Towards Real-Time Dynamic SLAM without GPU [4.959552873584984]
  本稿では,マスク予測機構を組み込んだオープンソースのリアルタイム動的SLAMシステムを提案する。 本システムは,ラップトップCPU上でのトラッキングフレームレート56FPSを実現しつつ,動的環境における高いローカライズ精度を維持している。
  論文  参考訳（メタデータ） (2024-05-12T23:00:53Z)
• Depth Completion with Multiple Balanced Bases and Confidence for Dense Monocular SLAM [34.78726455243436]
  本稿では,軽量深度補完網をスパースSLAMシステムに統合する新しい手法を提案する。 具体的には,BBC-Netと呼ばれる,高度に最適化されたマルチバス深度補完ネットワークを提案する。 BBC-Netは、オフザシェルキーポイントベースのSLAMシステムによって生成されたスパースポイントを持つ単眼画像から、複数のバランスの取れたベースと信頼マップを予測できる。
  論文  参考訳（メタデータ） (2023-09-08T06:15:27Z)
• Using Detection, Tracking and Prediction in Visual SLAM to Achieve Real-time Semantic Mapping of Dynamic Scenarios [70.70421502784598]
  RDS-SLAMは、一般的に使用されているIntel Core i7 CPUのみを使用して、動的シナリオのためのオブジェクトレベルでのセマンティックマップをリアルタイムで構築することができる。 我々は, TUM RGB-DデータセットにおけるRDS-SLAMを評価し, 動的シナリオにおいて, RDS-SLAMはフレームあたり30.3msで動作可能であることを示した。
  論文  参考訳（メタデータ） (2022-10-10T11:03:32Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)
• NICE-SLAM: Neural Implicit Scalable Encoding for SLAM [112.6093688226293]
  NICE-SLAMは階層的なシーン表現を導入することでマルチレベルローカル情報を組み込んだ高密度SLAMシステムである。 最近の暗黙的SLAMシステムと比較して、私たちのアプローチはよりスケーラブルで効率的で堅牢です。
  論文  参考訳（メタデータ） (2021-12-22T18:45:44Z)
• Differentiable SLAM-net: Learning Particle SLAM for Visual Navigation [15.677860200178959]
  SLAM-netは、粒子フィルタに基づくSLAMアルゴリズムを微分可能なグラフに符号化する。 SLAMアルゴリズムを通じて、タスク指向ニューラルネットワークコンポーネントをバックプロパゲートすることで学習する。 雑音条件下で広く適応したORB-SLAMを著しく上回る。
  論文  参考訳（メタデータ） (2021-05-17T03:54:34Z)
• OV$^{2}$SLAM : A Fully Online and Versatile Visual SLAM for Real-Time Applications [59.013743002557646]
  OV$2$SLAMは、モノクロカメラとステレオカメラの両方のセットアップ、さまざまなマップスケール、フレームレートを、数ヘルツから数百まで、完全にオンラインのアルゴリズムである。 コミュニティの利益のために、ソースコードを urlhttps://github.com/ov2slam/ov2slam でリリースします。
  論文  参考訳（メタデータ） (2021-02-08T08:39:23Z)
• DXSLAM: A Robust and Efficient Visual SLAM System with Deep Features [5.319556638040589]
  本稿では、深層畳み込みニューラルネットワーク(CNN)による特徴抽出を、現代のSLAMフレームワークにシームレスに組み込むことができることを示す。 提案システムでは,最新のCNNを用いて各画像フレーム内のキーポイントを検出し,キーポイント記述子だけでなく,全体像のグローバル記述子も提供する。
  論文  参考訳（メタデータ） (2020-08-12T16:14:46Z)

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。