論文の概要: Speculative Policy Orchestration: A Latency-Resilient Framework for Cloud-Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2603.19418v1
• Date: Thu, 19 Mar 2026 19:24:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.847693
• Title: Speculative Policy Orchestration: A Latency-Resilient Framework for Cloud-Robotic Manipulation
• Title（参考訳）: 投機的ポリシオーケストレーション: クラウドロボット操作のためのレイテンシ耐性フレームワーク
• Authors: Chanh Nguyen, Shutong Jin, Florian T. Pokorny, Erik Elmroth,
• Abstract要約: クラウドロボティクスは、ロボットが高次元のモーションプランニングと推論をリモートサーバーにオフロードすることを可能にする。 高周波制御を必要とする継続的な操作のために、ネットワーク遅延とジッタはシステムを不安定にすることができる。 我々は,遅延耐性のクラウドエッジフレームワークである投機的ポリシーオーケストレーション(SPO)を提案する。
• 参考スコア（独自算出の注目度）: 6.709418204725671
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cloud robotics enables robots to offload high-dimensional motion planning and reasoning to remote servers. However, for continuous manipulation tasks requiring high-frequency control, network latency and jitter can severely destabilize the system, causing command starvation and unsafe physical execution. To address this, we propose Speculative Policy Orchestration (SPO), a latency-resilient cloud-edge framework. SPO utilizes a cloud-hosted world model to pre-compute and stream future kinematic waypoints to a local edge buffer, decoupling execution frequency from network round-trip time. To mitigate unsafe execution caused by predictive drift, the edge node employs an $ε$-tube verifier that strictly bounds kinematic execution errors. The framework is coupled with an Adaptive Horizon Scaling mechanism that dynamically expands or shrinks the speculative pre-fetch depth based on real-time tracking error. We evaluate SPO on continuous RLBench manipulation tasks under emulated network delays. Results show that even when deployed with learned models of modest accuracy, SPO reduces network-induced idle time by over 60% compared to blocking remote inference. Furthermore, SPO discards approximately 60% fewer cloud predictions than static caching baselines. Ultimately, SPO enables fluid, real-time cloud-robotic control while maintaining bounded physical safety.
• Abstract（参考訳）: クラウドロボティクスは、ロボットが高次元のモーションプランニングと推論をリモートサーバーにオフロードすることを可能にする。 しかし、高周波制御を必要とする連続的な操作タスクでは、ネットワーク遅延とジッタはシステムを不安定にし、コマンドの飢餓と安全でない物理的実行を引き起こす。 これを解決するために、レイテンシ耐性のクラウドエッジフレームワークであるSPO(Speculative Policy Orchestration)を提案する。 SPOは、クラウドホストされたワールドモデルを使用して、将来のキネマティックなウェイポイントをローカルエッジバッファにプリ計算し、ストリームし、ネットワークラウンドトリップ時間から実行頻度を分離する。 予測ドリフトによる安全でない実行を緩和するため、エッジノードは、キネマティックな実行エラーを厳格に拘束する$ε$-tube検証を使用する。 このフレームワークは、リアルタイムトラッキングエラーに基づいて投機的なプレフェッチ深さを動的に拡大または縮小するAdaptive Horizon Scalingメカニズムと結合されている。 ネットワーク遅延のエミュレートによる連続RLBench操作タスクにおけるSPOの評価を行った。 その結果、学習したモデルで適度な精度でデプロイしても、SPOはリモート推論をブロックするよりも、ネットワークによるアイドル時間を60%以上削減できることがわかった。 さらに、SPOは静的キャッシュベースラインよりも約60%少ないクラウド予測を破棄する。 最終的に、SPOは、バウンドされた物理的安全性を維持しながら、流動的でリアルタイムなクラウド-ロボティック制御を可能にする。

関連論文リスト

• AsyncVLA: An Asynchronous VLA for Fast and Robust Navigation on the Edge [49.66156306240961]
  高レイテンシは制御ループを壊し、リアルタイムデプロイメントでは安全でない強力なモデルをレンダリングする。 リアクティブ実行からセマンティック推論を分離する非同期制御フレームワークであるAsyncVLAを提案する。 AsyncVLAは、最先端のベースラインよりも40%高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-13T21:31:19Z)
• Time Is All It Takes: Spike-Retiming Attacks on Event-Driven Spiking Neural Networks [87.16809558673403]
  スパイキングニューラルネットワーク(SNN)は離散スパイクで計算し、時間構造を利用する。 イベント駆動SNNにおけるスパイク数と振幅を保存しながら、既存のスパイクを繰り返すタイミングのみの敵について検討する。
  論文  参考訳（メタデータ） (2026-02-03T09:06:53Z)
• Vision-Language Models on the Edge for Real-Time Robotic Perception [0.22940141855172028]
  6G内のエッジインテリジェンス、特にOpen RANとMulti- Access Edge Computingは、これらの課題に対処するための経路を提供する。 本研究は,Unitree G1ヒューマノイドロボットを具現化したテストベッドとして,ORAN/MECインフラストラクチャ上でのビジョンランゲージモデルの展開について検討する。 その結果,エッジデプロイメントはクラウドに近い精度を保ちながら,エンドツーエンドのレイテンシを5%削減できることがわかった。
  論文  参考訳（メタデータ） (2026-01-21T12:09:48Z)
• A Practical Honeypot-Based Threat Intelligence Framework for Cyber Defence in the Cloud [0.3714118205123091]
  ファイアウォールルールを動的にリアルタイムで更新する自動防御フレームワークを導入します。 このフレームワークは、騙しセンサ(Cowrie)、Azureネイティブ自動化ツール(Monitor、Sentinel、Logic Apps)、MITRE ATT&CK対応の検出を統合する。
  論文  参考訳（メタデータ） (2025-12-04T23:39:25Z)
• CSGO: Generalized Optimization for Cold Start in Wireless Collaborative Edge LLM Systems [62.24576366776727]
  本稿では,全体の推論遅延を最小限に抑えるために,遅延を考慮したスケジューリングフレームワークを提案する。 提案手法は,ベースライン戦略と比較して,コールドスタート遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2025-08-15T07:49:22Z)
• Real-Time Execution of Action Chunking Flow Policies [49.1574468325115]
  本稿では,アクションインタラクションシステムの非同期実行を可能にする新しい推論時アルゴリズムを提案する。 これは、再トレーニングなしでボックスから実行する拡散またはVLAベースのシステムに適用できる。 その結果、RTCは高速で、性能が高く、推論操作に対して一意に堅牢であることがわかった。
  論文  参考訳（メタデータ） (2025-06-09T01:01:59Z)
• Can't Slow me Down: Learning Robust and Hardware-Adaptive Object Detectors against Latency Attacks for Edge Devices [21.359326502877487]
  最近、オブジェクト検出器のリアルタイム処理機能をターゲットに、新しいタイプの遅延攻撃が報告されている。 我々は,この攻撃に対して,暗黙の敵の訓練を通じて防御する試みを行っている。 実験は、リアルタイム処理能力を13ドルFPSから43ドルFPSに復元する防御効果を示す。
  論文  参考訳（メタデータ） (2024-12-03T05:00:26Z)
• Overload: Latency Attacks on Object Detection for Edge Devices [47.9744734181236]
  本稿では,ディープラーニングアプリケーションに対する遅延攻撃について検討する。 誤分類に対する一般的な敵攻撃とは異なり、遅延攻撃の目標は推論時間を増やすことである。 このような攻撃がどのように動作するかを示すために、オブジェクト検出を使用します。
  論文  参考訳（メタデータ） (2023-04-11T17:24:31Z)
• Delay-Tolerant Constrained OCO with Application to Network Resource Allocation [44.67787270821051]
  マルチスロットフィードバック遅延によるオンライン凸最適化(OCO)を検討します。 エージェントは、時間変動凸損失関数の蓄積を最小限に抑えるために、一連のオンライン決定を行う。 情報フィードバックと意思決定の更新の非同期性に取り組むために,二重正規化による新たな制約ペナルティを用いた遅延耐性制約OCOを提案する。
  論文  参考訳（メタデータ） (2021-05-09T19:32:33Z)

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。