論文の概要: Offload or Overload: A Platform Measurement Study of Mobile Robotic Manipulation Workloads

• arxiv url: http://arxiv.org/abs/2603.18284v1
• Date: Wed, 18 Mar 2026 21:05:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.849033
• Title: Offload or Overload: A Platform Measurement Study of Mobile Robotic Manipulation Workloads
• Title（参考訳）: 負荷・過負荷:移動ロボットマニピュレーションワークロードのプラットフォーム計測
• Authors: Sara Pohland, Xenofon Foukas, Ganesh Ananthanarayanan, Andrey Kolobov, Sanjeev Mehrotra, Bozidar Radunovic, Ankit Verma,
• Abstract要約: モバイルロボット操作は、物理的なAIの中核的な能力である。 ファンデーションモデルは、その性能のブレークスルーにつながったが、かなりの計算コストを要した。 我々は、オンボード、エッジ、クラウドGPUプラットフォームにまたがるモバイルロボット操作のワークロードを初めて測定する。
• 参考スコア（独自算出の注目度）: 8.954490387705453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile robotic manipulation--the ability of robots to navigate spaces and interact with objects--is a core capability of physical AI. Foundation models have led to breakthroughs in their performance, but at a significant computational cost. We present the first measurement study of mobile robotic manipulation workloads across onboard, edge, and cloud GPU platforms. We find that the full workload stack is infeasible to run on smaller onboard GPUs, while larger onboard GPUs drain robot batteries several hours faster. Offloading alleviates these constraints but introduces its own challenges, as additional network latency degrades task accuracy, and the bandwidth requirement makes naive cloud offloading impractical. Finally, we quantify opportunities and pitfalls of sharing compute across robot fleets. We believe our measurement study will be crucial to designing inference systems for mobile robots.
• Abstract（参考訳）: 移動ロボット操作 — ロボットが空間をナビゲートし、オブジェクトと対話する能力 — は、物理的なAIの中核的な能力である。 ファンデーションモデルは、その性能のブレークスルーにつながったが、かなりの計算コストを要した。 我々は、オンボード、エッジ、クラウドGPUプラットフォームにまたがるモバイルロボット操作のワークロードを初めて測定する。 フルワークロードスタックは、小さなオンボードGPU上では実行できないが、より大きなオンボードGPUでは、ロボットバッテリを数時間高速に消費する。 オフロードはこれらの制約を緩和するが、ネットワーク遅延がタスクの精度を低下させ、帯域幅の要求がクラウドのオフロードを非現実的にするなど、独自の課題をもたらす。 最後に、ロボット群間で計算を共有する機会と落とし穴を定量化する。 我々は,モバイルロボットの推論システムを設計する上で,我々の測定研究が不可欠であると信じている。

関連論文リスト

• A roadmap for AI in robotics [55.87087746398059]
  AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。 この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
  論文  参考訳（メタデータ） (2025-07-26T15:18:28Z)
• Deploying Foundation Model-Enabled Air and Ground Robots in the Field: Challenges and Opportunities [65.98704516122228]
  基礎モデル(FM)をロボット工学に統合することで、ロボットは自然言語を理解し、環境のセマンティクスを推論できるようになった。 本稿では,FM対応ロボットを現場に展開する上で,大規模で非構造的な環境下でのロボットの運用に必要なミッションについて述べる。 数kmのミッションを持つ非構造環境下での大規模LLM対応ロボット計画の実証実験を行った。
  論文  参考訳（メタデータ） (2025-05-14T15:28:43Z)
• dARt Vinci: Egocentric Data Collection for Surgical Robot Learning at Scale [9.732963094538837]
  本稿では,手術環境におけるロボット学習のためのスケーラブルなデータ収集プラットフォームであるdARt Vinciを紹介する。 このシステムは、Augmented Reality(AR)ハンドトラッキングと高忠実度物理エンジンを使って、原始的な外科手術の微妙な操作を捉えている。
  論文  参考訳（メタデータ） (2025-03-07T18:07:54Z)
• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Multi-Task Interactive Robot Fleet Learning with Visual World Models [25.001148860168477]
  Sirius-Fleetはマルチタスク対話型ロボットフリートラーニングフレームワークである。 デプロイ中のロボットのパフォーマンスを監視し、必要な時にロボットの動作を修正するよう人間に要求する。 ロボットの自律性が向上するにつれて、異常予測器は予測基準に自動的に適応する。
  論文  参考訳（メタデータ） (2024-10-30T04:49:39Z)
• Mobility-Aware Computation Offloading for Swarm Robotics using Deep Reinforcement Learning [3.751111087006503]
  Swarm Roboticsは、多くの汚れた、危険な、退屈なタスクを自動化することを想定している。 現在のロボットには、限られた時間情報しか提供できない少数のロボットがある。 我々は,モバイルエッジコンピューティングを活用して負担を軽減することを提案する。
  論文  参考訳（メタデータ） (2023-08-22T03:20:14Z)
• Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision [72.4735163268491]
  ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。 我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。 IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
  論文  参考訳（メタデータ） (2022-06-29T01:23:57Z)

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。