論文の概要: SFG-ROS: A Resource-Aware Framework for Dense Multi-Agent Perception
- arxiv url: http://arxiv.org/abs/2605.23832v1
- Date: Fri, 22 May 2026 16:41:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.43278
- Title: SFG-ROS: A Resource-Aware Framework for Dense Multi-Agent Perception
- Title（参考訳）: SFG-ROS: 複雑なマルチエージェント認識のためのリソース認識フレームワーク
- Authors: Constantin Blessing, Elias Geiger, Jakob Häringer, Dennis Grewe, Markus Enzweiler,
- Abstract要約: 本稿では、動的艦隊配備のためのリソース対応マルチエージェントソフトウェアフレームワークであるSFG-ROSを紹介する。
SFG-ROSはネットワークトラフィックを$mathcalO(1)$にバウンドし、冗長な圧縮を軽量IPCに置き換えることで、加入者当たりのCPUスケーリングペナルティを72.3%削減することを示す。
我々はSFG-ROSを許可ライセンスで公開し、hrefhttps://iis-esslingen.io/sfg-rosiis-esslingen.io/sfg-rosで利用可能です。
- 参考スコア（独自算出の注目度）: 1.8291790356553645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deploying heterogeneous multi-agent robot fleets for collaborative perception requires robust data exchange and scalable software architectures. However, standard ROS 2 implementations often suffer from network saturation, namespace collisions, and severe computational overhead when distributing dense sensor streams across devices. To address these bottlenecks, we present SFG-ROS, a resource-aware multi-agent software framework designed for dynamic fleet deployments. SFG-ROS addresses these challenges through three primary contributions. First, schema-driven traffic routing isolates high-frequency intra-agent traffic from the global network using a programmatic fully qualified name schema and targeted Fast DDS routing. Second, an on-demand centralized decoding pipeline automatically offloads high-bandwidth sensor data decompression, eliminating redundant processing across local consumer nodes. Finally, a hardware-agnostic container pipeline dynamically adapts to heterogeneous accelerators, seamlessly bridging development environments with zero-touch, field-ready execution. We evaluate the framework using a fleet of wheeled and legged robots equipped with LiDAR and stereo depth cameras. Experimental results show SFG-ROS bounds network traffic to $\mathcal{O}(1)$ and, by replacing redundant decompression with lightweight IPC, reduces the per-subscriber CPU scaling penalty by 72.3\% versus standard ROS 2, all while maintaining low latency. Finally, we publish SFG-ROS under a permissive license, available via \href{https://iis-esslingen.github.io/sfg-ros}{iis-esslingen.github.io/sfg-ros}.
- Abstract（参考訳）: 協調認識のために異質なマルチエージェントロボット群をデプロイするには、堅牢なデータ交換とスケーラブルなソフトウェアアーキテクチャが必要である。
しかしながら、標準的なROS 2の実装は、デバイス全体に密度の高いセンサストリームを分散する際に、ネットワーク飽和、名前空間の衝突、厳しい計算オーバーヘッドに悩まされることが多い。
これらのボトルネックに対処するために、動的艦隊配備用に設計されたリソースを意識したマルチエージェントソフトウェアフレームワークであるSFG-ROSを提案する。
SFG-ROSは3つの主要な貢献を通じてこれらの課題に対処する。
第一に、スキーマ駆動のトラフィックルーティングは、プログラム的完全修飾名スキーマとターゲットのFast DDSルーティングを使用して、グローバルネットワークからの高周波エージェントトラフィックを分離する。
第二に、オンデマンドの集中デコードパイプラインは、ローカルのコンシューマノード間で冗長な処理をなくし、高帯域のセンサデータ圧縮を自動的にオフロードする。
最後に、ハードウェアに依存しないコンテナパイプラインは、異種アクセラレータに動的に適応し、ゼロタッチ、フィールド対応の実行でシームレスに開発環境をブリッジする。
我々は、LiDARとステレオ深度カメラを備えた車輪付き・脚付きロボット群を用いて、この枠組みを評価する。
実験の結果、SFG-ROSはネットワークトラフィックを$\mathcal{O}(1)$にバウンドし、冗長な圧縮を軽量IPCに置き換えることで、サブスクライバ毎のCPUスケーリングペナルティを標準のROS 2に比べて72.3\%削減し、低レイテンシを維持した。
最後に、SFG-ROSをパーミッシブライセンスで公開し、 \href{https://iis-esslingen.github.io/sfg-ros}{iis-esslingen.github.io/sfg-ros} を通じて利用できる。
関連論文リスト
- ReDAG-RT: Global Rate-Priority Scheduling for Real-Time Multi-DAG Execution in ROS 2 [0.2981315866322933]
ReDAGRTは、ROS 2.0における決定論的マルチDAG実行のためのユーザ空間グローバルスケジューリングフレームワークである。
ROS2コールバックパイプラインのマルチDAGタスクモデルを定式化し、レート・プライオリティスケジューリングの下でDAG間の干渉を分析する。
その結果、デッドラインミス率29.7%、99番目のパーセンタイルレスポンスタイム42.9%、MultiThreadedExecutorよりも13.7%改善した。
論文 参考訳（メタデータ） (2026-03-18T19:45:58Z) - Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。
潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。
提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
論文 参考訳（メタデータ） (2026-02-27T04:30:35Z) - F2Net: A Frequency-Fused Network for Ultra-High Resolution Remote Sensing Segmentation [10.67983913373955]
F2Netは、UHR画像を特殊な処理のために高周波数成分と低周波数成分に分解する周波数認識フレームワークである。
ハイブリッド周波数融合モジュールは、2つの新しい目的によって導かれるこれらの観測を統合する。
F2Netは、それぞれ80.22のmIoUと83.39の最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-06-09T15:09:49Z) - NetworkGym: Reinforcement Learning Environments for Multi-Access Traffic Management in Network Simulation [27.353473477645576]
本稿では,高忠実度ネットワーク環境シミュレータであるtextitNetworkGymを紹介する。
マルチアクセストラフィック分割問題に対する異なるRLベースのソリューションのトレーニングと評価を容易にする。
また、Pessimistic TD3 (PTD3) と呼ばれるTD3+BCアルゴリズムの拡張を提案し、最先端のオフラインRLアルゴリズムよりも優れていることを示した。
論文 参考訳（メタデータ） (2024-10-30T01:14:33Z) - FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。
大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。
本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
論文 参考訳（メタデータ） (2024-10-16T16:13:19Z) - Network-Aware AutoML Framework for Software-Defined Sensor Networks [3.050185169010028]
ソフトウェア定義センサネットワークにおけるDDoS攻撃を検出するネットワーク対応自動機械学習(AutoML)フレームワークを提案する。
本フレームワークは,ネットワーク制約環境下でのDDoS攻撃を検出するための機械学習アルゴリズムを選択する。
論文 参考訳（メタデータ） (2023-10-19T17:07:32Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳（メタデータ） (2022-10-14T12:35:32Z) - Monitoring ROS2: from Requirements to Autonomous Robots [58.720142291102135]
本稿では,構造化自然言語で記述された要件から自律ロボットのランタイムモニタを生成するための形式的アプローチの概要について述べる。
当社のアプローチでは,Fletal Requirement Elicitation Tool (FRET) とランタイム検証フレームワークであるCopilotを,Ogma統合ツールを通じて統合しています。
論文 参考訳（メタデータ） (2022-09-28T12:19:13Z) - AutoGAN-Distiller: Searching to Compress Generative Adversarial Networks [68.58179110398439]
既存のGAN圧縮アルゴリズムは、特定のGANアーキテクチャの処理と損失に限られている。
近年の深部圧縮におけるAutoMLの成功に触発されて,GAN圧縮にAutoMLを導入し,AutoGAN-Distillerフレームワークを開発した。
我々はAGDを画像翻訳と超解像の2つの代表的なGANタスクで評価する。
論文 参考訳（メタデータ） (2020-06-15T07:56:24Z) - Binary DAD-Net: Binarized Driveable Area Detection Network for
Autonomous Driving [94.40107679615618]
本稿では,二項化駆動型領域検出ネットワーク(バイナリDAD-Net)を提案する。
エンコーダ、ボトルネック、デコーダ部分の2重みとアクティベーションのみを使用する。
パブリックデータセット上で、最先端のセマンティックセグメンテーションネットワークより優れています。
論文 参考訳（メタデータ） (2020-06-15T07:09:01Z)
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。