論文の概要: Pixi: Unified Software Development and Distribution for Robotics and AI

• arxiv url: http://arxiv.org/abs/2511.04827v1
• Date: Thu, 06 Nov 2025 21:29:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.597514
• Title: Pixi: Unified Software Development and Distribution for Robotics and AI
• Title（参考訳）: Pixi: ロボティクスとAIのための統一ソフトウェア開発と配布
• Authors: Tobias Fischer, Wolf Vollprecht, Bas Zalmstra, Ruben Arts, Tim de Jager, Alejandro Fontan, Adam D Hines, Michael Milford, Silvio Traversaro, Daniel Claes, Scarlett Raine,
• Abstract要約: ロボットアルゴリズムの最大70%は、独立したチームでは再生できない。 プロジェクトレベルのロックファイルの正確な依存状態をキャプチャする統合パッケージ管理フレームワークであるPixiを紹介します。 2023年から5300以上のプロジェクトで採用されているPixiは、セットアップ時間を数時間から数分に短縮し、世界中の研究者の技術的な障壁を低くする。
• 参考スコア（独自算出の注目度）: 41.29131868930693
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The reproducibility crisis in scientific computing constrains robotics research. Existing studies reveal that up to 70% of robotics algorithms cannot be reproduced by independent teams, while many others fail to reach deployment because creating shareable software environments remains prohibitively complex. These challenges stem from fragmented, multi-language, and hardware-software toolchains that lead to dependency hell. We present Pixi, a unified package-management framework that addresses these issues by capturing exact dependency states in project-level lockfiles, ensuring bit-for-bit reproducibility across platforms. Its high-performance SAT solver achieves up to 10x faster dependency resolution than comparable tools, while integration of the conda-forge and PyPI ecosystems removes the need for multiple managers. Adopted in over 5,300 projects since 2023, Pixi reduces setup times from hours to minutes and lowers technical barriers for researchers worldwide. By enabling scalable, reproducible, collaborative research infrastructure, Pixi accelerates progress in robotics and AI.
• Abstract（参考訳）: 科学計算における再現性危機はロボティクスの研究を制約している。 既存の研究によると、ロボット工学のアルゴリズムの70%は独立したチームでは再現できない。 これらの課題は、依存関係地獄につながる断片化、多言語、ハードウェアソフトウェアツールチェーンに起因しています。 プロジェクトレベルのロックファイルの依存関係状態を正確に把握し、プラットフォーム間でビット・フォー・ビットの再現性を確保することで、これらの問題に対処する統合パッケージ管理フレームワークであるPixiを紹介します。 高性能SATソルバは、同等のツールよりも最大10倍高速な依存性解決を実現している一方、コンダフォッジとPyPIエコシステムの統合は、複数のマネージャの必要性を排除している。 2023年から5300以上のプロジェクトで採用されているPixiは、セットアップ時間を数時間から数分に短縮し、世界中の研究者の技術的な障壁を低くする。 Pixiは、スケーラブルで再現可能な共同研究インフラを提供することで、ロボット工学とAIの進歩を加速する。

関連論文リスト

• Compiler.next: A Search-Based Compiler to Power the AI-Native Future of Software Engineering [3.8060608371616778]
  我々はAIネイティブソフトウェアシステムのシームレスな進化を可能にするために設計された新しい検索ベースのコンパイラであるCompiler.nextを紹介する。 従来の静的コンパイラとは異なり、Compiler.nextは人間によるインテントを取り込み、最適なソリューションを探すことで動作するソフトウェアを自動的に生成する。 本稿では、高品質なプログラミング構造の開発、効率的な検索構造、コンパイラ間の相互運用性など、インテントコンパイルにおける中核的な課題に対処するためのロードマップを示す。
  論文  参考訳（メタデータ） (2025-10-27T21:01:48Z)
• GAICo: A Deployed and Extensible Framework for Evaluating Diverse and Multimodal Generative AI Outputs [8.34331981959369]
  GAICo (Generative AI Comparator): GenAI出力比較を標準化したオープンソースのPythonライブラリ。 GAICoは、構造化されていないテキスト、構造化データフォーマット、マルチメディアのための、包括的な参照ベースのメトリクススイートをサポートする統一されたフレームワークを提供する。 2025年6月にPyPIがリリースされて以来、このツールはバージョンで13K回ダウンロードされ、コミュニティの関心が高まっている。
  論文  参考訳（メタデータ） (2025-08-22T19:13:21Z)
• Ark: An Open-source Python-based Framework for Robot Learning [20.131425969692256]
  ARKは、そのギャップを埋めるために設計された、オープンソースのPythonファーストのロボティクスフレームワークである。 ARKは、ユーザがデータを収集し、前処理し、ポリシーをトレーニングできる、Gymスタイルの環境インターフェースを提供する。 ARKには、コントロール、SLAM、モーションプランニング、システム識別、可視化のための再利用可能なモジュールが付属している。
  論文  参考訳（メタデータ） (2025-06-24T20:23:39Z)
• SERL: A Software Suite for Sample-Efficient Robotic Reinforcement Learning [82.46975428739329]
  筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。 我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。 これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
  論文  参考訳（メタデータ） (2024-01-29T10:01:10Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)

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。