論文の概要: LITHE: Bridging Best-Effort Python and Real-Time C++ for Hot-Swapping Robotic Control Laws on Commodity Linux
- arxiv url: http://arxiv.org/abs/2603.07442v1
- Date: Sun, 08 Mar 2026 03:36:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.050487
- Title: LITHE: Bridging Best-Effort Python and Real-Time C++ for Hot-Swapping Robotic Control Laws on Commodity Linux
- Title（参考訳）: LITHE:コモディティLinux上のホットスワッピングロボット制御法のためのベストエフォートPythonとリアルタイムC++のブリッジ
- Authors: He Kai Lim, Tyler R. Clites,
- Abstract要約: 本稿では,ロボット制御階層をコモディティなシングルボードコンピュータに分解する軽量ソフトウェアアーキテクチャLITHEを提案する。
マルチスレッドの動的リンクを追加することで、PythonベースのBrainが1kHz C++ Spineのロジックを中断することなく動的に進化させることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern robotic systems rely on hierarchical control, where a high-level "Brain" (Python) directs a lower-level "Spine" (C++ real-time controller). Despite its necessity, this hierarchy makes it difficult for the Brain to completely rewrite the Spine's immutable control logic, consequently inhibiting fundamental adaptation for different tasks and environments. Conventional approaches require complex middleware, proprietary hardware, or sacrifice real-time performance. We present LITHE (Linux Isolated Threading for Hierarchical Execution), a lightweight software architecture that collapses the robot control hierarchy onto a commodity single-board computer (Raspberry Pi 4B with pi3hat), while maintaining safe frequency decoupling between the Brain and Spine. LITHE integrates strict CPU isolation (isolcpus), lock-free inter-process communication (IPC), and pipelined execution to meet high-frequency deadlines with minimal jitter. By adding multi-threaded dynamic linking, LITHE enables a Python-based Brain to dynamically evolve the logic of a 1kHz C++ Spine without interruption. We validate "functional real-time" system performance with worst-case execution time (WCET) < 100 $μ$s and maximum release jitter (MRJ) < 4 $μ$s under heavy load. We demonstrate a novel application where a large language model (LLM) supervisor performs online system identification to evolve a real-time controller on-the-fly, without interrupting the 1 kHz control loop. In essence, LITHE eliminates the "immutable compiled code" bottleneck for best-effort Brains to synthesize and inject completely new control laws into the real-time Spine. This bridges a critical gap between high-level AI and low-level real-time control to unlock continuous real-time evolution of embodied intelligence in safe, human-in-the-loop systems.
- Abstract（参考訳）: 現代のロボットシステムは階層制御に依存しており、高レベルな"Brain"(Python)が低レベルな"Spine"(C++リアルタイムコントローラ)を指示する。
その必要性にもかかわらず、この階層構造により、脳はSpineの不変制御ロジックを完全に書き換えるのが難しくなり、それによって様々なタスクや環境への根本的な適応が阻害される。
従来のアプローチでは、複雑なミドルウェア、プロプライエタリなハードウェア、あるいはリアルタイムパフォーマンスの犠牲が必要となる。
LITHE(Linux Isolated Threading for Hierarchical Execution)は、ロボット制御階層をコモディティなシングルボードコンピュータ(Raspberry Pi 4B with pi3hat)に分解する軽量ソフトウェアアーキテクチャである。
LITHEは、厳格なCPUアイソレーション(isolcpus)、ロックなしのプロセス間通信(IPC)、パイプライン実行を統合し、最小ジッタで高周波のデッドラインを満たす。
マルチスレッドの動的リンクを追加することで、PythonベースのBrainが1kHz C++ Spineのロジックを中断することなく動的に進化させることができる。
我々は,最低ケース実行時間 (WCET) <100$μ$s と最大リリースジッタ (MRJ) <4$μ$s のシステム性能を重負荷下で検証した。
1kHzの制御ループを中断することなく、大規模言語モデル(LLM)がオンラインシステム識別を実行し、リアルタイムコントローラをオンザフライで進化させる新しいアプリケーションを示す。
基本的に、LITHEは、ベストエフォートブレインのための"不変コンパイルコード"ボトルネックを排除し、完全に新しい制御法則をリアルタイムでSpineに注入します。
これにより、高レベルのAIと低レベルのリアルタイム制御の間に重要なギャップを埋めて、安全で人力的なループシステムにおいて、エンボディされたインテリジェンスの継続的なリアルタイム進化を解き放つ。
関連論文リスト
- Beyond Short-Horizon: VQ-Memory for Robust Long-Horizon Manipulation in Non-Markovian Simulation Benchmarks [96.60530830276281]
RuleSafeは、スケーラブルなLLM支援シミュレーションフレームワーク上に構築された、新しいオペレーティングベンチマークである。
VQ-Memoryはベクトル量子化変分オートエンコーダを用いたコンパクトで構造化された時間表現である。
論文 参考訳（メタデータ） (2026-03-10T11:13:54Z) - RACAS: Controlling Diverse Robots With a Single Agentic System [26.695876900159373]
RACAS(Robot-Agnostic Control via Agentic Systems)は、3つのモジュールが自然言語でのみ通信してクローズドループロボット制御を実現する協調型エージェントアーキテクチャである。
RACASは、ロボットの自然言語記述、利用可能なアクションの定義、タスク仕様のみを必要とする。
我々は、車輪付き地上ロボット、最近発表された新しい多関節ロボットアーム、水中車両を用いて、複数のタスクにおけるRACASを評価した。RACASは、これらの過激な異なるプラットフォームをまたいだ全てのタスクを一貫して解決し、その可能性を実証している。
論文 参考訳（メタデータ） (2026-03-05T19:25:01Z) - Training slow silicon neurons to control extremely fast robots with spiking reinforcement learning [7.709259343105974]
スパイキングニューロンのネットワークは、混合信号アナログ/デジタルニューロモルフィックプロセッサ上で動作する。
我々は,少数の試行において,強化学習を通じてパックインタラクションを成功させるために,システムを訓練する。
この研究は、神経科学にインスパイアされたハードウェアと現実世界のロボット制御を橋渡しし、脳にインスパイアされたアプローチが、速いペースのインタラクションタスクに対処できることを示した。
論文 参考訳（メタデータ） (2026-01-29T11:05:23Z) - NanoCockpit: Performance-optimized Application Framework for AI-based Autonomous Nanorobotics [50.594459728605734]
小型のフォームファクタ、すなわち10sグラムは、計算資源をSI100ミリワット以下のマイクロコントローラユニット(MCU)に著しく制限する。
本フレームワークは,タスクのシリアライズによるオーバーヘッドをゼロにすることで,クローズドループ制御性能の定量的改善を実現する。
論文 参考訳（メタデータ） (2026-01-12T12:29:38Z) - 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) - DeeR-VLA: Dynamic Inference of Multimodal Large Language Models for Efficient Robot Execution [114.61347672265076]
実世界のロボットのためのMLLMの開発は、ロボットプラットフォームで利用可能な計算能力とメモリ容量が典型的に限られているため、難しい。
活性化MLLMのサイズを自動的に調整するロボットビジョンランゲージ・アクション・モデル(DeeR)の動的早期実行フレームワークを提案する。
DeeR は LLM の計算コストを 5.2-6.5x に削減し、GPU のメモリを 2-6x に削減した。
論文 参考訳（メタデータ） (2024-11-04T18:26:08Z) - 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) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳（メタデータ） (2022-09-19T16:49:32Z) - Controlling Golog Programs against MTL Constraints [4.56877715768796]
本稿では、クロックによるGologの拡張と、必要な理論的基礎と決定可能性の結果について述べる。
本稿では,高レベルプログラムと低レベルプラットフォーム操作を同時に実行するコントローラを合成する手法について述べる。
論文 参考訳（メタデータ） (2022-04-07T17:16:37Z) - Deep Imitation Learning for Bimanual Robotic Manipulation [70.56142804957187]
本稿では,ロボットによるバイマニュアル操作のための深層模倣学習フレームワークを提案する。
中心となる課題は、操作スキルを異なる場所にあるオブジェクトに一般化することである。
i)マルチモーダルダイナミクスを要素運動プリミティブに分解し、(ii)リカレントグラフニューラルネットワークを用いて各プリミティブをパラメータ化して相互作用を捕捉し、(iii)プリミティブを逐次的に構成する高レベルプランナと、プリミティブダイナミクスと逆運動学制御を組み合わせた低レベルコントローラを統合することを提案する。
論文 参考訳（メタデータ） (2020-10-11T01:40:03Z)
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。