論文の概要: NeuroMesh: A Unified Neural Inference Framework for Decentralized Multi-Robot Collaboration

• arxiv url: http://arxiv.org/abs/2604.15475v1
• Date: Thu, 16 Apr 2026 18:54:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.628002
• Title: NeuroMesh: A Unified Neural Inference Framework for Decentralized Multi-Robot Collaboration
• Title（参考訳）: NeuroMesh: 分散マルチロボットコラボレーションのための統一型ニューラルネットワークフレームワーク
• Authors: Yang Zhou, Yash Shetye, Long Quang, Devon Super, Jesse Milzman, Manohari Goarin, Aditya Azad, Devang Sunil Dhake, Jeffery Mao, Carlos Nieto-Granda, Giuseppe Loianno,
• Abstract要約: NeuroMeshはマルチドメイン、クロスプラットフォーム、モジュール化された分散ニューラルネットワークフレームワークである。 統一パイプラインでの監視エンコーディング、メッセージパッシング、アグリゲーション、タスクデコーディングを標準化する。 我々は,航空機および地上ロボットの異種チームにおけるNeuroMeshの有効性を検証し,多様なタスク構造とペイロードサイズにわたるロバストな操作を実証した。
• 参考スコア（独自算出の注目度）: 7.824386969078225
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deploying learned multi-robot models on heterogeneous robots remains challenging due to hardware heterogeneity, communication constraints, and the lack of a unified execution stack. This paper presents NeuroMesh, a multi-domain, cross-platform, and modular decentralized neural inference framework that standardizes observation encoding, message passing, aggregation, and task decoding in a unified pipeline. NeuroMesh combines a dual-aggregation paradigm for reduction- and broadcast-based information fusion with a parallelized architecture that decouples cycle time from end-to-end latency. Our high-performance C++ implementation leverages Zenoh for inter-robot communication and supports hybrid GPU/CPU inference. We validate NeuroMesh on a heterogeneous team of aerial and ground robots across collaborative perception, decentralized control, and task assignment, demonstrating robust operation across diverse task structures and payload sizes. We plan to release NeuroMesh as an open-source framework to the community.
• Abstract（参考訳）: 学習したマルチロボットモデルを異種ロボットにデプロイすることは、ハードウェアの不均一性、通信制約、統一された実行スタックの欠如により、依然として困難である。 本稿では、統一パイプラインにおける観察符号化、メッセージパッシング、アグリゲーション、タスクデコーディングを標準化する、マルチドメイン、クロスプラットフォーム、モジュール型分散ニューラルネットワークフレームワークであるNeuroMeshを提案する。 NeuroMeshは、リダクションとブロードキャストベースの情報融合のためのデュアルアグリゲーションパラダイムと、エンドツーエンドのレイテンシからサイクルタイムを分離する並列アーキテクチャを組み合わせたものだ。 当社の高性能C++実装では,Zenohをロボット間通信に利用し,GPU/CPUハイブリッド推論をサポートしています。 我々は,多種多様なタスク構造とペイロードサイズにまたがるロバストな操作を実証し,協調認識,分散制御,タスク割り当てにまたがる航空・地上ロボットの異種チームに対するNeuroMeshの有効性を検証した。 コミュニティ向けのオープンソースフレームワークとしてNeuroMeshをリリースする予定です。

関連論文リスト

• OmniClone: Engineering a Robust, All-Rounder Whole-Body Humanoid Teleoperation System [39.72804196709836]
  全身のヒューマノイド遠隔操作により、人間が遠隔操作でヒューマノイドロボットを操作でき、リアルタイムの操作ツールと、自律学習のためのデモを収集するためのスケーラブルなエンジンの両方を提供する。 ここでは,データ要求の少ない単一コンシューマに対して,高忠実でマルチスキルの制御を実現する,全身型ヒューマノイド遠隔操作システムであるOmniCloneを紹介する。
  論文  参考訳（メタデータ） (2026-03-15T11:13:04Z)
• The More the Merrier: Running Multiple Neuromorphic Components On-Chip for Robotic Control [0.9503420085198421]
  視覚に基づくロボット制御のためのパイプラインの最初の例を示す。 すべてのコンポーネントが,最先端技術と競合するレイテンシで,ミリワット方式で同時動作可能であることを示す。 シミュレーションハードウェア上の等価ネットワークは、シミュレーションにおいてロボットアームプラグ挿入を達成し、パイプラインのコア要素を実際のロボットアームでテストする。
  論文  参考訳（メタデータ） (2026-02-14T12:39:15Z)
• Multi Part Deployment of Neural Network [0.17205106391379024]
  本稿では,複数のサーバにまたがるニューラルネットワークを分割する分散システムアーキテクチャを提案する。 Multi-Part Neural Network Execution Engineは、分散パーティション間のシームレスな実行とトレーニングを容易にする。 Neuron Distributorモジュールは、ニューロン数、パーセンテージ、識別子、ネットワーク層に基づく柔軟なパーティショニング戦略を可能にする。
  論文  参考訳（メタデータ） (2025-06-02T07:24:29Z)
• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。 スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。 分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。 本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• Neuromorphic Intermediate Representation: A Unified Instruction Set for Interoperable Brain-Inspired Computing [4.066607775161713]
  神経力学をシミュレートするニューラルネットワークとニューロモルフィックハードウェアプラットフォームが注目されている。 本稿では,デジタルニューロモルフィックシステムにおける計算の共通参照フレームを確立する。 7つのニューロモルフィックシミュレータと4つのデジタルハードウェアプラットフォームにまたがる複雑さの異なる3つのスパイクニューラルネットワークモデルを再現して実演する。
  論文  参考訳（メタデータ） (2023-11-24T18:15:59Z)

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。