論文の概要: Domain-specific Hardware Acceleration for Model Predictive Path Integral Control
- arxiv url: http://arxiv.org/abs/2601.12089v1
- Date: Sat, 17 Jan 2026 15:44:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 05:46:01.822017
- Title: Domain-specific Hardware Acceleration for Model Predictive Path Integral Control
- Title（参考訳）: モデル予測経路積分制御のためのドメイン固有ハードウェア高速化
- Authors: Erwan Tanguy-Legac, Tommaso Belvedere, Gianluca Corsini, Marco Tognon, Marcello Traiola,
- Abstract要約: 本稿では,モデル予測制御(MPC)とモデル予測経路積分(MPPI)制御のためのハードウェアアクセラレータを提案する。
結果,MPPIカスタムアクセラレータでは,GPUベースのMPPI実装よりも正確なトラジェクトリが可能であることがわかった。
- 参考スコア（独自算出の注目度）: 4.032815486635335
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Accurately controlling a robotic system in real time is a challenging problem. To address this, the robotics community has adopted various algorithms, such as Model Predictive Control (MPC) and Model Predictive Path Integral (MPPI) control. The first is difficult to implement on non-linear systems such as unmanned aerial vehicles, whilst the second requires a heavy computational load. GPUs have been successfully used to accelerate MPPI implementations; however, their power consumption is often excessive for autonomous or unmanned targets, especially when battery-powered. On the other hand, custom designs, often implemented on FPGAs, have been proposed to accelerate robotic algorithms while consuming considerably less energy than their GPU (or CPU) implementation. However, no MPPI custom accelerator has been proposed so far. In this work, we present a hardware accelerator for MPPI control and simulate its execution. Results show that the MPPI custom accelerator allows more accurate trajectories than GPU-based MPPI implementations.
- Abstract（参考訳）: ロボットシステムをリアルタイムで正確に制御することは、難しい問題だ。
これを解決するために、ロボットコミュニティは、モデル予測制御(MPC)やモデル予測経路積分(MPPI)制御など、さまざまなアルゴリズムを採用した。
1つは無人航空機のような非線形システムの実装が困難であり、もう1つは計算負荷が重い。
GPUはMPPI実装の高速化に成功しているが、その電力消費は、特にバッテリ駆動の場合に、自律的または無人のターゲットに対して過大であることが多い。
一方、FPGAにしばしば実装されるカスタムデザインは、GPU(またはCPU)の実装よりもはるかに少ないエネルギーを消費しながら、ロボットアルゴリズムを高速化するために提案されている。
しかし、今のところMPPIカスタムアクセラレーターは提案されていない。
本稿では,MPPI制御のためのハードウェアアクセラレータを提案し,その実行をシミュレートする。
結果,MPPIカスタムアクセラレータでは,GPUベースのMPPI実装よりも正確なトラジェクトリが可能であることがわかった。
関連論文リスト
- Real-Time, Energy-Efficient, Sampling-Based Optimal Control via FPGA Acceleration [8.086534156824486]
FPGAに最適化されたMPPI設計は、微細な並列性を露呈し、同期ボトルネックをなくす。
これにより、組み込みGPUとCPUの最適化実装よりも平均3.1倍から7.5倍のスピードアップを実現し、同時にエネルギー使用量の2.5倍から5.4倍の削減を実現した。
論文 参考訳（メタデータ） (2026-01-23T23:47:09Z) - Dynamic Range Reduction via Branch-and-Bound [1.0141085397402314]
ハードウェアアクセラレーターを強化するための主要な戦略は、算術演算における精度の低下である。
本稿ではQUBO問題における精度向上のための完全原理分岐境界アルゴリズムを提案する。
実験は、実際の量子アニール上でのアルゴリズムの有効性を検証する。
論文 参考訳（メタデータ） (2024-09-17T03:07:56Z) - Enhancing Dropout-based Bayesian Neural Networks with Multi-Exit on FPGA [20.629635991749808]
本稿では,フィールドプログラマブルゲートアレイ(FPGA)ベースのアクセラレータを効率よく生成するアルゴリズムとハードウェアの共同設計フレームワークを提案する。
アルゴリズムレベルでは、計算とメモリのオーバーヘッドを低減した、新しいマルチエグジット・ドロップアウトベースのベイズNNを提案する。
ハードウェアレベルでは,提案する効率的なベイズNNのためのFPGAベースのアクセラレータを生成するための変換フレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-20T17:08:42Z) - LL-GNN: Low Latency Graph Neural Networks on FPGAs for High Energy
Physics [45.666822327616046]
本研究は,粒子検出器のための低グラフニューラルネットワーク(LL-GNN)設計のための新しい再構成可能なアーキテクチャを提案する。
LL-GNNの設計は、洗練されたアルゴリズムが実験データを効率的に処理できるようにすることで、次世代のトリガーシステムを進化させる。
論文 参考訳（メタデータ） (2022-09-28T12:55:35Z) - Training Efficient Controllers via Analytic Policy Gradient [44.0762454494769]
ロボットシステムの制御設計は複雑であり、しばしば軌道を正確に追従するために最適化を解く必要がある。
Model Predictive Control (MPC)のようなオンライン最適化手法は、優れたトラッキング性能を実現するために示されているが、高い計算能力を必要とする。
本稿では,この問題に対処するための分析政策グラディエント(APG)手法を提案する。
論文 参考訳（メタデータ） (2022-09-26T22:04:35Z) - Adaptable Butterfly Accelerator for Attention-based NNs via Hardware and
Algorithm Co-design [66.39546326221176]
多くのAIタスクにおいて、注意に基づくニューラルネットワークが普及している。
注意機構とフィードフォワードネットワーク(FFN)の使用は、過剰な計算とメモリ資源を必要とする。
本稿では,注目機構とFFNの両方を近似するために,バタフライの分散パターンを統一したハードウェアフレンドリーな変種を提案する。
論文 参考訳（メタデータ） (2022-09-20T09:28:26Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳（メタデータ） (2022-01-13T15:20:45Z) - A Survey of FPGA-Based Robotic Computing [14.678669738217552]
ロボットアルゴリズムの高速計算とデータ複雑さは、その応用に大きな課題をもたらす。
特別に設計されたハードウェアロジックとアルゴリズムカーネルにより、FPGAベースのアクセラレータはCPUとGPUを性能とエネルギー効率で上回ることができる。
ソフトウェアとハードウェアの最適化技術と主要な技術的問題の解析と、いくつかの商用および宇宙アプリケーションについて述べる。
論文 参考訳（メタデータ） (2020-09-13T16:22:08Z)
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。