論文の概要: Neural Cellular Automata for Decentralized Sensing using a Soft Inductive Sensor Array for Distributed Manipulator Systems

• arxiv url: http://arxiv.org/abs/2502.01242v1
• Date: Mon, 03 Feb 2025 11:04:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:53:30.983973
• Title: Neural Cellular Automata for Decentralized Sensing using a Soft Inductive Sensor Array for Distributed Manipulator Systems
• Title（参考訳）: 分散マニピュレータシステムのためのソフト誘導型センサアレイを用いた分散センシングのためのニューラルセルオートマタ
• Authors: Bailey Dacre, Nicolas Bessone, Matteo Lo Preti, Diana Cafiso, Rodrigo Moreno, Andrés Faíña, Lucia Beccai,
• Abstract要約: ニューラルセルラオートマタ(NCA)を用いた分散マニピュレータシステムにおける分散化アプローチを提案する。 実験により、NAAベースのセンシングネットワークは、物体の位置をセンサー間距離の0.24倍の精度で推定することを示した。 これらの知見は、DMSにおける拡張性、耐障害性、耐雑音性のあるオブジェクト特性推定を可能にする、局所的、分散化された計算の可能性を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In Distributed Manipulator Systems (DMS), decentralization is a highly desirable property as it promotes robustness and facilitates scalability by distributing computational burden and eliminating singular points of failure. However, current DMS typically utilize a centralized approach to sensing, such as single-camera computer vision systems. This centralization poses a risk to system reliability and offers a significant limiting factor to system size. In this work, we introduce a decentralized approach for sensing and in a Distributed Manipulator Systems using Neural Cellular Automata (NCA). Demonstrating a decentralized sensing in a hardware implementation, we present a novel inductive sensor board designed for distributed sensing and evaluate its ability to estimate global object properties, such as the geometric center, through local interactions and computations. Experiments demonstrate that NCA-based sensing networks accurately estimate object position at 0.24 times the inter sensor distance. They maintain resilience under sensor faults and noise, and scale seamlessly across varying network sizes. These findings underscore the potential of local, decentralized computations to enable scalable, fault-tolerant, and noise-resilient object property estimation in DMS
• Abstract（参考訳）: 分散マニピュレータシステム(DMS)では、分散分散化は堅牢性を促進し、計算負荷の分散と単一障害点の排除によりスケーラビリティを促進するため、非常に望ましい特性である。 しかし、現在のDMSは、通常、シングルカメラコンピュータビジョンシステムのような、センサーへの集中的なアプローチを利用する。 この集中化はシステムの信頼性にリスクをもたらし、システムサイズに重大な制限要因を提供する。 本研究では,ニューラルセルラオートマタ(NCA)を用いた分散マニピュレータシステムにおいて,分散化アプローチを導入する。 ハードウェア実装における分散センシングを実証し, 局所的な相互作用や計算を通じて, 幾何学的中心などのグローバルなオブジェクト特性を推定する能力を評価するために, 分散センシング用に設計された新しい誘導型センサボードを提案する。 実験により、NAAベースのセンシングネットワークは、物体の位置をセンサー間距離の0.24倍の精度で推定することを示した。 センサーの故障やノイズの下ではレジリエンスを維持し、さまざまなネットワークサイズにわたってシームレスにスケールする。 これらの結果は、DMSにおけるスケーラブルでフォールトトレラントで耐雑音性のあるオブジェクト特性推定を可能にする、局所的、分散化された計算の可能性を強調している。

関連論文リスト

• STARNet: Sensor Trustworthiness and Anomaly Recognition via Approximated Likelihood Regret for Robust Edge Autonomy [0.5310810820034502]
  LiDAR、RADAR、イベントカメラといった複雑なセンサーは、自律型ロボティクスで急増している。 これらのセンサーは、運用環境と複雑な相互作用が可能な多様な障害メカニズムに対して脆弱である。 本稿では,信頼できないセンサストリームを検出するために設計されたセンサ信頼度・異常認識ネットワークSTARNetを紹介する。
  論文  参考訳（メタデータ） (2023-09-20T02:20:11Z)
• Decentralized Learning Made Easy with DecentralizePy [3.1848820580333737]
  分散学習(DL)は、スケーラビリティ、プライバシ、フォールトトレランスの面でその潜在的な利点で有名になった。 本稿では,大規模学習ネットワークを任意のトポロジでエミュレート可能な分散機械学習フレームワークDecentralizePyを提案する。 いくつかのトポロジ上にスパーシフィケーションやセキュアアグリゲーションといったテクニックを配置することで、分散Pyの能力を実証する。
  論文  参考訳（メタデータ） (2023-04-17T14:42:33Z)
• Deep Multi-Emitter Spectrum Occupancy Mapping that is Robust to the Number of Sensors, Noise and Threshold [32.880113150521154]
  スペクトル占有マッピングの主な目的の1つは、センサー数、占有閾値(dBm)、センサノイズ、エミッタ数、伝播環境に関する仮定に頑健なシステムを作ることである。 このようなシステムは、トレーニングやテスト中に様々なセンサーを利用できるように、アグリゲーションのプロセスを用いてニューラルネットワークで設計される可能性がある。
  論文  参考訳（メタデータ） (2022-11-27T14:08:11Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• SAFE-OCC: A Novelty Detection Framework for Convolutional Neural Network Sensors and its Application in Process Control [0.0]
  本稿では,センサアクティベート特徴抽出ワンクラス分類(SAFE-OCC)と呼ばれる,畳み込みニューラルネットワーク(CNN)センサの新規検出フレームワークを提案する。 このフレームワークは,プロセス制御アーキテクチャにおけるコンピュータビジョンセンサの安全な利用を可能にする。
  論文  参考訳（メタデータ） (2022-02-03T19:47:55Z)
• Decentralized Control with Graph Neural Networks [147.84766857793247]
  分散コントローラを学習するグラフニューラルネットワーク(GNN)を用いた新しいフレームワークを提案する。 GNNは、自然分散アーキテクチャであり、優れたスケーラビリティと転送性を示すため、タスクに適している。 分散コントローラの学習におけるGNNの可能性を説明するために、群れとマルチエージェントパス計画の問題を検討する。
  論文  参考訳（メタデータ） (2020-12-29T18:59:14Z)
• Decentralized Source Localization without Sensor Parameters in Wireless Sensor Networks [7.213593598230331]
  イベントローカライゼーションには、侵入者のローカライズ、Wifiホットスポットとユーザ、電力システムの障害など、多くの応用がある。 以前の研究では、ソースローカライゼーションのためのセンサーパラメータの真の知識(あるいは良い推定値)を仮定していた。 本稿では,本論文の震源位置を断層モデルで推定する2つの手法を提案する。
  論文  参考訳（メタデータ） (2020-09-02T13:34:55Z)
• Identity-Aware Attribute Recognition via Real-Time Distributed Inference in Mobile Edge Clouds [53.07042574352251]
  我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。 本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。 そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
  論文  参考訳（メタデータ） (2020-08-12T12:03:27Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。