論文の概要: Modeling Robotics Dataset Construction as an Artifact-Based Build Process
- arxiv url: http://arxiv.org/abs/2606.00162v1
- Date: Fri, 29 May 2026 10:11:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.082301
- Title: Modeling Robotics Dataset Construction as an Artifact-Based Build Process
- Title（参考訳）: 人工物構築プロセスとしてのロボットデータセット構築のモデル化
- Abstract要約: ロボットシステムは大量のマルチモーダルセンサデータを生成する。
ROSのバッグ記録を機械学習データセットに変換することは、しばしばアドホックなシーケンシャルスクリプトによって処理される。
依存関係グラフ上のアーティファクトベースのビルドプロセスとしてデータセットの構築をモデル化し、このアプローチをBagzelで実装します。
- 参考スコア（独自算出の注目度）: 0.6299766708197881
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic systems generate large volumes of multimodal sensor data, but converting ROS bag recordings into machine learning datasets is often handled by ad hoc sequential scripts, creating engineering overhead and slow iteration cycles. We model dataset construction as an artifact-based build process over a dependency graph and implement this approach in Bagzel, an open-source Bazel extension for reproducible, incremental dataset generation (including nuScenes-format export). We compare Bagzel and Bagzel-xattr (server-side digest management) against a sequential rosbag2nuscenes baseline. Bagzel reduces runtime in all evaluated execution modes, with the largest gains in iterative workflows (up to 386.26x in warm builds and 7.21x in incremental builds on a 20.4 GB dataset). Across dataset sizes from 5.1 to 20.4 GB, Bagzel variants show markedly better scaling behavior than the baseline, especially in warm and incremental modes. Bagzel-xattr provides additional gains, with a mean runtime reduction of 5.9% compared to Bagzel in the input granularity study. Overall, modeling robotics dataset construction as an artifact-based build process substantially reduces dataset update latency while maintaining a deterministic build design that supports reproducibility. Bagzel is publicly available at https://github.com/UniBwTAS/bagzel.
- Abstract（参考訳）: ロボットシステムは大量のマルチモーダルセンサーデータを生成するが、ROSバッグ記録を機械学習データセットに変換する場合、しばしばアドホックなシーケンシャルスクリプトによって処理される。
依存関係グラフ上のアーティファクトベースのビルドプロセスとしてデータセットの構築をモデル化し、再現可能なインクリメンタルデータセット生成(nuScenes-format exportを含む)のためのオープンソースのBazel拡張であるBagzelでこのアプローチを実装します。
我々は,BagzelとBagzel-xattr(サーバサイドダイジェスト管理)を,連続したrosbag2nuscenesベースラインと比較した。
Bagzelは、すべての評価された実行モードでランタイムを削減し、イテレーティブワークフロー(温かいビルドでは386.26倍、20.4GBデータセットではインクリメンタルビルドでは7.21倍)で最大の利益を上げている。
データセットのサイズは5.1から20.4GBまでで、バッツェル変種はベースラインよりも著しく優れたスケーリング挙動を示しており、特に暖かく漸進的なモードである。
Bagzel-xattrは、入力粒度調査において、Bagzelと比較して平均的なランタイムの5.9%の利得を提供する。
全体として、アーティファクトベースのビルドプロセスとしてのロボティクスデータセットの構築は、再現性をサポートする決定論的ビルド設計を維持しながら、データセット更新のレイテンシを大幅に削減する。
Bagzelはhttps://github.com/UniBwTAS/bagzel.comで公開されている。
関連論文リスト
- BatchGen: An Architecture for Scalable and Efficient Batch Inference [7.794394498151309]
バッチ推論はAI計算の中心的なモードとなっているが、既存の推論エンジンはまだインタラクティブなサービス用に設計された実行モデルに依存している。
バッチ推論のための新しいアーキテクチャ基盤であるシーケンス計算モデルを導入し、各シーケンスをきめ細かなイベント駆動シーケンスとして表現する。
このモデルは、ランタイムが動的に作業を再編成できるように表現力豊かなプリミティブを公開し、より大きなエキスパートレベルのバッチを可能にし、ストラグラーを緩和し、デバイス間での実際の作業を可能にし、コスト効率やメモリ制約のあるGPU上でも利用を維持する。
論文 参考訳（メタデータ） (2026-06-19T19:56:21Z) - ISE: An Execution-Grounded Recipe for Multi-Turn OS-Agent Trajectories [18.739245125968175]
有能なOSエージェントのトレーニングには、構造化されたユーザインテント、マルチターンタスクデリゲート、既存のデータセットにないグラウンド化されたツール実行-プロパティを同時にキャプチャするデータが必要である。
ISE(Intent -> Simulate -> Execute)は,これらのギャップに共同で対処する3段階合成パラダイムである。
論文 参考訳（メタデータ） (2026-06-09T23:44:26Z) - Covering Human Action Space for Computer Use: Data Synthesis and Benchmark [59.01879944842542]
コンピュータ利用エージェント(CUA)は、GPT-5.4とClaudeによって説明されているように、画面上での作業を自動化する。
しかし、複雑な低周波相互作用に対する信頼性はまだ貧弱であり、ユーザの信頼を制限している。
複雑な相互作用におけるモデルの能力を評価するための新しいベンチマークCUActSpotを提案する。
論文 参考訳（メタデータ） (2026-05-12T17:59:58Z) - Sparkle: Realizing Lively Instruction-Guided Video Background Replacement via Decoupled Guidance [54.34473644733862]
背景の置き換えは、映画制作や広告といったクリエイティブな応用の中心である。
背景の置き換えは、完全に新しい、時間的に一貫したシーンを必要とし、正確な前景と背景の相互作用を維持する。
Sparkleは5つのバックグラウンド変更テーマにまたがる140Kビデオペアのデータセットである。
論文 参考訳（メタデータ） (2026-05-07T16:35:34Z) - BiDexGrasp: Coordinated Bimanual Dexterous Grasps across Object Geometries and Sizes [64.2030401965582]
BiDexGraspは、大規模な2次元デキスタラスグリップデータセットと、新しい生成モデルから構成される。
本研究では,30cmから80cm程度の大きさの6351個の多種多様な物体からなる大規模2次元デキスタス・グリップ・データセットを構築した。
本稿では,2次元適応型および幾何サイズ適応型デキスタラスグルーピング生成フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-08T02:17:11Z) - PlotCraft: Pushing the Limits of LLMs for Complex and Interactive Data Visualization [82.96200364977737]
PlotCraftは、1kの挑戦的な視覚化タスクを特徴とする新しいベンチマークだ。
PlotCraftは7つのハイレベルな視覚化タスクを中心に構成されており、48の異なるチャートタイプを含んでいる。
単一ターン生成と多ターン改善の両方を多種多様なタスク複雑度にわたって体系的に評価するのは、これが初めてである。
論文 参考訳（メタデータ） (2025-10-15T10:14:39Z) - RoboTwin 2.0: A Scalable Data Generator and Benchmark with Strong Domain Randomization for Robust Bimanual Robotic Manipulation [52.2244588424002]
我々は,多様かつ現実的なデータの自動生成のためのスケーラブルなフレームワークであるRoboTwin 2.0を紹介する。
コアとなるRoboTwin-ODは、セマンティックおよび操作関連アノテーションを備えた147カテゴリにわたる771インスタンスのオブジェクトライブラリである。
sim-to-real転送を改善するために、RoboTwin 2.0は5つの軸に沿って構造化された領域ランダム化を適用する。
論文 参考訳（メタデータ） (2025-06-22T16:26:53Z) - Does Functional Package Management Enable Reproducible Builds at Scale? Yes [4.492444446637857]
Reproducible Builds (R-B) は、ソフトウェアパッケージをソースから再構築することを保証する。
我々は,Nix機能パッケージマネージャのコンテキストにおいて,ビットワイズに関する最初の大規模研究を行う。
非常に高いビットワイズ率、69～91%の上昇傾向、さらに高いリビルド可能性率、99%以上を得ています。
論文 参考訳（メタデータ） (2025-01-27T10:11:27Z) - Teddy: Efficient Large-Scale Dataset Distillation via Taylor-Approximated Matching [74.75248610868685]
Teddyは、大規模なデータセットを扱うように設計されたTaylor近似データセット蒸留フレームワークである。
TeddyはTiny-ImageNetとオリジナルサイズのImageNet-1Kデータセット上で、最先端の効率性とパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-10-10T03:28:46Z) - MASSTAR: A Multi-Modal and Large-Scale Scene Dataset with a Versatile Toolchain for Surface Prediction and Completion [25.44529512862336]
MASSTARはマルチモーダルなlArgeスケールのシーンデータセットであり、サーフAce predictionと完了のためのVerSatile Toolchainを備えている。
環境から生の3Dデータを処理するための汎用的で効率的なツールチェーンを開発した。
実世界の部分的なデータを含む1000以上のシーンレベルのモデルからなるサンプルデータセットを生成する。
論文 参考訳（メタデータ） (2024-03-18T11:35:18Z)
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。