論文の概要: Industrial Internet Robot Collaboration System and Edge Computing Optimization

• arxiv url: http://arxiv.org/abs/2504.02492v1
• Date: Thu, 03 Apr 2025 11:15:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-04 12:55:34.295146
• Title: Industrial Internet Robot Collaboration System and Edge Computing Optimization
• Title（参考訳）: 産業用インターネットロボット協調システムとエッジコンピューティング最適化
• Authors: Qian Zuo, Dajun Tao, Tian Qi, Jieyi Xie, Zijie Zhou, Zhen Tian, Yu Mingyu,
• Abstract要約: 本稿では,ディープラーニングに基づく移動ロボットのグローバルパス制御方式を提案する。 提案モデルでは,エッジデバイスでローカルデータを処理し,ロボットと中央サーバ間の通信負担を軽減する。
• 参考スコア（独自算出の注目度）: 3.2624782655521143
• License:
• Abstract: In a complex environment, for a mobile robot to safely and collision - free avoid all obstacles, it poses high requirements for its intelligence level. Given that the information such as the position and geometric characteristics of obstacles is random, the control parameters of the robot, such as velocity and angular velocity, are also prone to random deviations. To address this issue in the framework of the Industrial Internet Robot Collaboration System, this paper proposes a global path control scheme for mobile robots based on deep learning. First of all, the dynamic equation of the mobile robot is established. According to the linear velocity and angular velocity of the mobile robot, its motion behaviors are divided into obstacle - avoidance behavior, target - turning behavior, and target approaching behavior. Subsequently, the neural network method in deep learning is used to build a global path planning model for the robot. On this basis, a fuzzy controller is designed with the help of a fuzzy control algorithm to correct the deviations that occur during path planning, thereby achieving optimized control of the robot's global path. In addition, considering edge computing optimization, the proposed model can process local data at the edge device, reducing the communication burden between the robot and the central server, and improving the real time performance of path planning. The experimental results show that for the mobile robot controlled by the research method in this paper, the deviation distance of the path angle is within 5 cm, the deviation convergence can be completed within 10 ms, and the planned path is shorter. This indicates that the proposed scheme can effectively improve the global path planning ability of mobile robots in the industrial Internet environment and promote the collaborative operation of robots through edge computing optimization.
• Abstract（参考訳）: 複雑な環境では、移動ロボットが安全かつ安全に衝突する - すべての障害を避けるため、その知能レベルに対する高い要求が生じる。 障害物の位置や幾何学的特徴などの情報がランダムであることを考えると、速度や角速度などのロボットの制御パラメータもランダムにずれやすい。 産業用インターネットロボット協調システムにおいて,この問題に対処するために,ディープラーニングに基づく移動ロボットのグローバルパス制御方式を提案する。 まず,移動ロボットの動的方程式を確立する。 移動ロボットの線形速度と角速度によると、動きの挙動は障害物(回避行動、目標 - 旋回行動、目標接近行動)に分けられる。 その後、ディープラーニングにおけるニューラルネットワーク手法を用いて、ロボットのグローバルパス計画モデルを構築する。 ファジィコントローラはファジィ制御アルゴリズムの助けを借りて設計され、経路計画中に発生するずれを補正し、ロボットのグローバルパスの最適制御を実現する。 さらに,エッジコンピューティングの最適化を考慮すると,提案モデルでは,エッジデバイスでローカルデータを処理し,ロボットと中央サーバ間の通信負担を低減し,経路計画のリアルタイム性能を向上させることができる。 実験の結果, 研究手法により制御された移動ロボットの場合, 経路角の偏差距離が5cm以内で, 偏差収束が10ms以内で完了し, 計画経路が短くなることがわかった。 提案手法は,産業用インターネット環境における移動ロボットのグローバルパス計画能力を効果的に向上し,エッジコンピューティング最適化を通じてロボットの協調動作を促進することを示唆している。

関連論文リスト

• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  私たちは世界モデルを学ぶための新しいフレームワークを紹介します。 スケーラブルで堅牢なフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• Exploring Robot Trajectory Planning -- A Comparative Analysis of Algorithms And Software Implementations in Dynamic Environments [0.0]
  軌道計画はModern & Advanced Roboticsにおいて重要な用語である。 これは、ロボットが時間が経つにつれて、スムーズで実現可能な経路を生成する方法です。 軌道計画は自動車産業ロボット、マニピュレータ、移動ロボットで広く使われている。
  論文  参考訳（メタデータ） (2024-07-18T09:30:27Z)
• Deep Reinforcement Learning with Enhanced PPO for Safe Mobile Robot Navigation [0.6554326244334868]
  本研究では,複雑な環境下での自律走行のための移動ロボットの訓練における深層強化学習の適用について検討する。 このロボットは、LiDARセンサデータとディープニューラルネットワークを用いて、障害物を回避しつつ、特定の目標に向かって誘導する制御信号を生成する。
  論文  参考訳（メタデータ） (2024-05-25T15:08:36Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Minimizing Turns in Watchman Robot Navigation: Strategies and Solutions [1.6749379740049928]
  本稿では,直交ウォッチマン経路問題(OWRP)を解くための効率的な線形時間アルゴリズムを提案する。 本研究は,より合理化されたパトロールロボットの設計を可能にすることにより,ロボットシステムの進歩に寄与する。
  論文  参考訳（メタデータ） (2023-08-19T18:53:53Z)
• Learning Bipedal Walking for Humanoids with Current Feedback [5.429166905724048]
  アクチュエータレベルでの不正確なトルクトラッキングから生じるヒューマノイドロボットのシム2リアルギャップ問題を克服するためのアプローチを提案する。 提案手法は、実際のHRP-5Pヒューマノイドロボットに展開して二足歩行を実現するシミュレーションにおいて、一貫したエンドツーエンドのポリシーをトレーニングする。
  論文  参考訳（メタデータ） (2023-03-07T08:16:46Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
  本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。 模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。 本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T18:50:25Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic Platforms [60.59764170868101]
  強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。 私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。 我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
  論文  参考訳（メタデータ） (2021-03-05T14:16:20Z)

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。