論文の概要: SwiftBot: A Decentralized Platform for LLM-Powered Federated Robotic Task Execution

• arxiv url: http://arxiv.org/abs/2603.20233v1
• Date: Sat, 07 Mar 2026 21:08:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.923239
• Title: SwiftBot: A Decentralized Platform for LLM-Powered Federated Robotic Task Execution
• Title（参考訳）: SwiftBot: LLMベースのフェデレーションロボットタスク実行のための分散プラットフォーム
• Authors: YueMing Zhang, Shuai Xu, Zhengxiong Li, Fangtian Zhong, Xiaokun Yang, Hailu Xu,
• Abstract要約: 統合されたロボットタスク実行システムは、分散ロボット制御に自然言語命令をブリッジする必要がある。 我々は,LDMベースのタスク分解とDHTオーバーレイ上のインテリジェントコンテナオーケストレーションを統合した,フェデレートされたタスク実行プラットフォームであるSwiftBotを紹介する。 SwiftBotは、さまざまなタスク間で94.3%の分解精度を実現し、タスク起動遅延を1.5～5.4倍、平均トレーニングレイテンシを1.4～2.5倍削減し、フェデレートされた温かいコンテナマイグレーションを通じて、高負荷下でのテールレイテンシを1.2～4.7倍改善する。
• 参考スコア（独自算出の注目度）: 7.805342017911027
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Federated robotic task execution systems require bridging natural language instructions to distributed robot control while efficiently managing computational resources across heterogeneous edge devices without centralized coordination. Existing approaches face three limitations: rigid hand-coded planners requiring extensive domain engineering, centralized coordination that contradicts federated collaboration as robots scale, and static resource allocation failing to share containers across robots when workloads shift dynamically. We present SwiftBot, a federated task execution platform that integrates LLM-based task decomposition with intelligent container orchestration over a DHT overlay, enabling robots to collaboratively execute tasks without centralized control. SwiftBot achieves 94.3% decomposition accuracy across diverse tasks, reduces task startup latency by 1.5-5.4x and average training latency by 1.4-2.5x, and improves tail latency by 1.2-4.7x under high load through federated warm container migration. Evaluation on multimedia tasks validates that co-designing semantic understanding and federated resource management enables both flexibility and efficiency for robotic task control.
• Abstract（参考訳）: フェデレートされたロボットタスク実行システムは、分散ロボット制御に自然言語命令をブリッジし、集中的な調整なしに異種エッジデバイスをまたいだ計算資源を効率的に管理する必要がある。 広範なドメインエンジニアリングを必要とする厳格なハンドコードプランナ、ロボットがスケールするにつれてフェデレーションされたコラボレーションに矛盾する集中的な調整、ワークロードが動的に移行した時にロボット間でコンテナを共有できない静的リソースアロケーション。 我々は,LDMベースのタスク分解とDHTオーバレイ上のインテリジェントコンテナオーケストレーションを統合した,統合されたタスク実行プラットフォームであるSwiftBotを紹介した。 SwiftBotは、さまざまなタスク間で94.3%の分解精度を実現し、タスク起動遅延を1.5～5.4倍、平均トレーニングレイテンシを1.4～2.5倍削減し、フェデレートされた温かいコンテナマイグレーションを通じて、高負荷下でのテールレイテンシを1.2～4.7倍改善する。 マルチメディアタスクの評価は、セマンティック理解とフェデレートされたリソース管理を共同設計することで、ロボットタスク制御の柔軟性と効率性を両立できることを示す。

関連論文リスト

• Reducing Mental Workload through On-Demand Human Assistance for Physical Action Failures in LLM-based Multi-Robot Coordination [6.763690463901024]
  本研究では,リモートエラー解決をマルチロボット計画に統合するヒューマン・イン・ザ・ループ・フレームワークを提案する。 この方法では、ロボットは自律的にタスクを実行するが、発見不可能な障害が発生した場合、LLMはオペレーターに支援を要求する。 簡単に収集可能なアイテムを収集するために、フルリモートコントロールと同等のタスクの進捗を達成した。
  論文  参考訳（メタデータ） (2026-03-30T08:21:04Z)
• CORAL: Scalable Multi-Task Robot Learning via LoRA Experts [49.759823970016974]
  実世界のロボット工学におけるビジョン・ランゲージ・アクション(VLA)モデルは、コアマルチタスク学習の課題を露呈する。 タスク毎に個別の完全なチェックポイントを維持することは、しばしばストレージとデプロイメントの禁止である。 主にマルチタスク干渉を軽減するために設計されたバックボーンおよび非依存のフレームワークであるCORALを提案する。
  論文  参考訳（メタデータ） (2026-03-10T07:28:41Z)
• UltraCUA: A Foundation Model for Computer Use Agents with Hybrid Action [77.63125913907771]
  本稿では,GUIプリミティブと高レベルのプログラムツールコールのギャップを埋める基盤モデルであるUltraCUAを提案する。 7Bおよび32Bモデルによる実験は、最先端のエージェントよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-10-20T17:48:26Z)
• RobotFleet: An Open-Source Framework for Centralized Multi-Robot Task Planning [10.128950558854347]
  本稿では,マルチロボットタスク計画とスケジューリングのためのオープンソースフレームワークを提案する。 RobotFleetは、コンテナ化されたサービスとしてデプロイされたロボットの計画、スケジューリング、実行のための抽象化を提供する。
  論文  参考訳（メタデータ） (2025-10-12T00:32:37Z)
• Together We Rise: Optimizing Real-Time Multi-Robot Task Allocation using Coordinated Heterogeneous Plays [5.206057210246862]
  本稿では,動的倉庫環境におけるリアルタイムマルチロボットタスク割り当て問題に対処する。 マルチエージェント強化学習フレームワークであるMRTAgentを紹介する。 安全なナビゲーションには、修正線形二次コントローラ(LQR)アプローチが使用される。
  論文  参考訳（メタデータ） (2025-02-22T04:59:27Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Large Language Models for Orchestrating Bimanual Robots [19.60907949776435]
  本稿では,Language-based Bimanual Orchestration (LABOR)を提案する。 NICOLヒューマノイドロボットを用いた2種類の長距離作業のシミュレーション実験により,本手法の評価を行った。
  論文  参考訳（メタデータ） (2024-04-02T15:08:35Z)
• DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments [55.204450019073036]
  本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。 本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。 ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
  論文  参考訳（メタデータ） (2022-09-07T00:35:27Z)

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。