論文の概要: ROSCell: A ROS2-Based Framework for Automated Formation and Orchestration of Multi-Robot Systems
- arxiv url: http://arxiv.org/abs/2603.23690v1
- Date: Tue, 24 Mar 2026 19:56:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.016834
- Title: ROSCell: A ROS2-Based Framework for Automated Formation and Orchestration of Multi-Robot Systems
- Title（参考訳）: ROSCell: マルチロボットシステムの自動生成とオーケストレーションのためのROSCellベースのフレームワーク
- Authors: Jiangtao Shuai, Marvin Carl May, Sonja Schimmler, Manfred Hauswirth,
- Abstract要約: ROSCellは、様々なデバイスにまたがるコンピューティング連続体の形成と管理を可能にするフレームワークである。
動的生産環境における適応型マルチロボットコンピューティングのためのスケーラブルで低オーバーヘッドな基盤を提供する。
ROSCellは、エッジデバイス上のK3sベースのソリューションに比べてCPU、メモリ、ネットワークオーバーヘッドを大幅に削減する。
- 参考スコア（独自算出の注目度）: 0.4433169165028139
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern manufacturing under High-Mix-Low-Volume requirements increasingly relies on flexible and adaptive matrix production systems, which depend on interconnected heterogeneous devices and rapid task reconfiguration. To address these needs, we present ROSCell, a ROS2-based framework that enables the flexible formation and management of a computing continuum across various devices. ROSCell allows users to package existing robotic software as deployable skills and, with simple requests, assemble isolated cells, automatically deploy skill instances, and coordinate their communication to meet task objectives. It provides a scalable and low-overhead foundation for adaptive multi-robot computing in dynamic production environments. Experimental results show that, in the idle state, ROSCell substantially reduces CPU, memory, and network overhead compared to K3s-based solutions on edge devices, highlighting its energy efficiency and cost-effectiveness for large-scale deployment in production settings. The source code, examples, and documentation will be provided on Github.
- Abstract（参考訳）: High-Mix-Low-Volume 要求下での現代の製造は、相互接続した異種デバイスと迅速なタスク再構成に依存するフレキシブルで適応的なマトリックス生産システムに依存している。
これらのニーズに対処するために,ROSCell は ROS2 ベースのフレームワークであり,様々なデバイスにまたがる計算連続体の生成と管理を可能にする。
ROSCellを使えば、既存のロボットソフトウェアをデプロイ可能なスキルとしてパッケージ化したり、単純なリクエストで独立したセルを組み立てたり、スキルインスタンスを自動デプロイしたり、タスク目標を満たすためのコミュニケーションを調整することができる。
動的生産環境における適応型マルチロボットコンピューティングのためのスケーラブルで低オーバーヘッドな基盤を提供する。
実験の結果, ROSCellはアイドル状態の場合, エッジデバイス上でのK3sベースのソリューションと比較してCPU, メモリ, ネットワークオーバーヘッドを著しく低減し, 大規模運用環境におけるエネルギー効率と費用対効果を強調した。
ソースコード、例、ドキュメントはGithubで提供される。
関連論文リスト
- Bridging the Sim-to-Real Gap with multipanda ros2: A Real-Time ROS2 Framework for Multimanual Systems [22.26675117934127]
我々はFranka Roboticsロボットのマルチロボット制御のためのオープンソースのROS2アーキテクチャであるmultipanda_ros2$を提示する。
我々のコアコントリビューションは、対話制御やロボット環境モデリングなど、リアルタイムトルク制御における重要な課題に対処する。
論文 参考訳（メタデータ） (2026-02-02T16:11:12Z) - ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。
数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。
我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文 参考訳（メタデータ） (2026-01-27T13:43:59Z) - BlazeAIoT: A Modular Multi-Layer Platform for Real-Time Distributed Robotics Across Edge, Fog, and Cloud Infrastructures [3.899763100729704]
BlazeAIoTは、異種インフラストラクチャをまたいだ分散ロボティクスを統合するために設計された、モジュール化された多層プラットフォームである。
動的データ転送、スマートサービス、統合監視、レジリエンス、セキュリティ、プログラミング言語の柔軟性を保証する。
その結果は、不完全なトポロジをまたいでサービスを動的に割り当て、システムの健全性を維持し、レイテンシを最小限にするBlazeAIoTの機能を強調している。
論文 参考訳（メタデータ） (2026-01-09T22:47:40Z) - RoboNeuron: A Modular Framework Linking Foundation Models and ROS for Embodied AI [13.74517467087138]
RoboNeuronは、インテリジェンスの普遍的なデプロイフレームワークである。
ロボット・オペレーティング・システム(ROS)のリアルタイム実行バックボーンに、LLM(Large Language Models)とVLA(Vision-Language-Action)モデルの認知能力を深く統合する最初のフレームワークである。
論文 参考訳（メタデータ） (2025-12-11T07:58:19Z) - CollaPipe: Adaptive Segment-Optimized Pipeline Parallelism for Collaborative LLM Training in Heterogeneous Edge Networks [57.95170323315603]
CollaPipeは、コラボレーティブパイプライン並列性とフェデレーションアグリゲーションを統合し、自己進化型ネットワークをサポートする分散学習フレームワークである。
CollaPipeでは、エンコーダ部分は可変サイズのセグメントに適応的に分割され、パイプライン並列トレーニングのためにモバイルデバイスにデプロイされ、デコーダは生成タスクを処理するためにエッジサーバにデプロイされる。
トレーニング効率を向上させるために,モデルセグメント,マイクロバッチ,帯域幅,送信電力を適応的に割り当てる共同最適化問題を定式化する。
論文 参考訳（メタデータ） (2025-09-24T07:54:01Z) - ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。
ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する
我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
論文 参考訳（メタデータ） (2024-06-28T08:28:38Z) - 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) - RED: A Systematic Real-Time Scheduling Approach for Robotic
Environmental Dynamics [11.38746414146899]
我々は、リソース制限されたロボットシステムにおいて、マルチタスクのディープニューラルネットワークワークロードをサポートするように設計された、体系的なリアルタイムスケジューリング手法REDを紹介する。
ロボット環境ダイナミクス(RED)をリアルタイムの制約に順応しながら適応的に管理するように設計されている。
論文 参考訳（メタデータ） (2023-08-29T15:04:08Z) - SkiROS2: A skill-based Robot Control Platform for ROS [1.4502611532302039]
ROS上でのスキルベースのロボット制御プラットフォームであるSkiROS2を紹介する。
SkiROS2は、自動タスク計画とリアクティブ実行のための階層化されたハイブリッドコントロール構造を提案する。
本研究では,SkiROS2を現場に関連付け,タスク計画,推論,多感覚入力,製造実行システムの統合,強化学習の3つの事例を概説する。
論文 参考訳（メタデータ） (2023-06-29T15:25:51Z)
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。