論文の概要: BlazeAIoT: A Modular Multi-Layer Platform for Real-Time Distributed Robotics Across Edge, Fog, and Cloud Infrastructures
- arxiv url: http://arxiv.org/abs/2601.06344v1
- Date: Fri, 09 Jan 2026 22:47:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.721576
- Title: BlazeAIoT: A Modular Multi-Layer Platform for Real-Time Distributed Robotics Across Edge, Fog, and Cloud Infrastructures
- Title（参考訳）: BlazeAIoT - エッジ,フォッグ,クラウドインフラストラクチャを越えたリアルタイム分散ロボティクスのためのモジュール型マルチレイヤプラットフォーム
- Authors: Cedric Melancon, Julien Gascon-Samson, Maarouf Saad, Kuljeet Kaur, Simon Savard,
- Abstract要約: BlazeAIoTは、異種インフラストラクチャをまたいだ分散ロボティクスを統合するために設計された、モジュール化された多層プラットフォームである。
動的データ転送、スマートサービス、統合監視、レジリエンス、セキュリティ、プログラミング言語の柔軟性を保証する。
その結果は、不完全なトポロジをまたいでサービスを動的に割り当て、システムの健全性を維持し、レイテンシを最小限にするBlazeAIoTの機能を強調している。
- 参考スコア（独自算出の注目度）: 3.899763100729704
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The increasing complexity of distributed robotics has driven the need for platforms that seamlessly integrate edge, fog, and cloud computing layers while meeting strict real-time constraints. This paper introduces BlazeAIoT, a modular multi-layer platform designed to unify distributed robotics across heterogeneous infrastructures. BlazeAIoT provides dynamic data transfer, configurable services, and integrated monitoring, while ensuring resilience, security, and programming language flexibility. The architecture leverages Kubernetes-based clusters, broker interoperability (DDS, Kafka, Redis, and ROS2), and adaptive data distribution mechanisms to optimize communication and computation across diverse environments. The proposed solution includes a multi-layer configuration service, dynamic and adaptive data bridging, and hierarchical rate limiting to handle large messages. The platform is validated through robotics scenarios involving navigation and artificial intelligence-driven large-scale message processing, demonstrating robust performance under real-time constraints. Results highlight BlazeAIoT's ability to dynamically allocate services across incomplete topologies, maintain system health, and minimize latency, making it a cost-aware, scalable solution for robotics and broader IoT applications, such as smart cities and smart factories.
- Abstract（参考訳）: 分散ロボティクスの複雑さの増大により、厳格なリアルタイム制約を満たしながらエッジ、フォグ、クラウドコンピューティング層をシームレスに統合するプラットフォームの必要性が高まっている。
本稿では,異種インフラストラクチャ間の分散ロボティクスの統合を目的としたモジュール型多層プラットフォームBlazeAIoTを紹介する。
BlazeAIoTは、動的データ転送、設定可能なサービス、統合された監視、レジリエンス、セキュリティ、プログラミング言語の柔軟性を保証する。
このアーキテクチャは、Kubernetesベースのクラスタ、ブローカ相互運用性(DDS、Kafka、Redis、ROS2)、適応データ分散メカニズムを活用して、さまざまな環境における通信と計算を最適化する。
提案するソリューションには,多層構成サービス,動的かつ適応的なデータブリッジング,大規模メッセージを処理する階層的レート制限などが含まれている。
このプラットフォームは、ナビゲーションと人工知能駆動の大規模メッセージ処理を含むロボティクスシナリオを通じて検証されており、リアルタイムな制約下での堅牢なパフォーマンスを実証している。
その結果は、不完全なトポロジをまたいでサービスを動的に割り当て、システムの健全性を維持し、レイテンシを最小限にし、ロボティクスやスマートシティやスマートファクトリといった広範なIoTアプリケーションに対して、低コストでスケーラブルなソリューションを提供する、BlazeAIoTの能力を強調している。
関連論文リスト
- Digital Twins & ZeroConf AI: Structuring Automated Intelligent Pipelines for Industrial Applications [3.534869097377701]
この研究は、Cyber-Physical SystemsへのシームレスなAIパイプライン統合を可能にする、モジュール的で相互運用可能なソリューションを提案する。
我々は、DTがデータ管理とインテリジェントな拡張をオーケストレーションするZeroconfigation (ZeroConf) AIパイプラインの概念を紹介します。
このアプローチはMicroFactoryのシナリオで実証されており、並行MLモデルと動的データ処理のサポートを示している。
論文 参考訳（メタデータ） (2026-02-04T10:11:06Z) - ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。
数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。
我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文 参考訳（メタデータ） (2026-01-27T13:43:59Z) - MegaFlow: Large-Scale Distributed Orchestration System for the Agentic Era [74.42509044145417]
MegaFlowは、エージェント環境ワークロードの効率的なスケジューリング、リソース割り当て、きめ細かいタスク管理を可能にする、大規模な分散オーケストレーションシステムである。
エージェントのトレーニングデプロイメントでは、MegaFlowは、高いシステムの安定性を維持しながら、数万の並行エージェントタスクを編成し、効率的なリソース利用を実現しています。
論文 参考訳（メタデータ） (2026-01-12T13:25:33Z) - RoboNeuron: A Modular Framework Linking Foundation Models and ROS for Embodied AI [13.74517467087138]
RoboNeuronは、インテリジェンスの普遍的なデプロイフレームワークである。
ロボット・オペレーティング・システム(ROS)のリアルタイム実行バックボーンに、LLM(Large Language Models)とVLA(Vision-Language-Action)モデルの認知能力を深く統合する最初のフレームワークである。
論文 参考訳（メタデータ） (2025-12-11T07:58:19Z) - Matrix: Peer-to-Peer Multi-Agent Synthetic Data Generation Framework [32.3041485160475]
マルチエージェント合成のための分散フレームワークである textbf Matrix を提案する。
Matrixは、シリアライズされたメッセージが分散キューを通過するとき、制御とデータフローの両方を表す。
我々は、マルチエージェント協調対話、Webベースの推論データ抽出、顧客サービス環境におけるツール利用軌跡生成など、多様な合成シナリオにおいてMatrixを評価した。
論文 参考訳（メタデータ） (2025-11-26T18:59:28Z) - Z-Space: A Multi-Agent Tool Orchestration Framework for Enterprise-Grade LLM Automation [3.518072776386001]
本稿では,データ生成指向型マルチエージェント協調ツール実行フレームワークZ-Spaceを提案する。
このフレームワークはElemeプラットフォームの技術部門にデプロイされており、大規模なテストデータ生成シナリオを提供している。
生産データは、ツール推論における平均トークン消費を96.26%削減していることを示している。
論文 参考訳（メタデータ） (2025-11-23T03:59:14Z) - CollaPipe: Adaptive Segment-Optimized Pipeline Parallelism for Collaborative LLM Training in Heterogeneous Edge Networks [57.95170323315603]
CollaPipeは、コラボレーティブパイプライン並列性とフェデレーションアグリゲーションを統合し、自己進化型ネットワークをサポートする分散学習フレームワークである。
CollaPipeでは、エンコーダ部分は可変サイズのセグメントに適応的に分割され、パイプライン並列トレーニングのためにモバイルデバイスにデプロイされ、デコーダは生成タスクを処理するためにエッジサーバにデプロイされる。
トレーニング効率を向上させるために,モデルセグメント,マイクロバッチ,帯域幅,送信電力を適応的に割り当てる共同最適化問題を定式化する。
論文 参考訳（メタデータ） (2025-09-24T07:54:01Z) - AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。
豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
論文 参考訳（メタデータ） (2024-02-21T04:11:28Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z)
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。