論文の概要: Building a Scalable, Reproducible, Evaluatable, and Closed-Loop Simulation Environment Foundation for Embodied Intelligence
- arxiv url: http://arxiv.org/abs/2606.27962v2
- Date: Wed, 01 Jul 2026 03:28:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 15:15:53.05425
- Title: Building a Scalable, Reproducible, Evaluatable, and Closed-Loop Simulation Environment Foundation for Embodied Intelligence
- Title（参考訳）: エンボディードインテリジェンスのためのスケーラブルで再現可能で評価可能でクローズドなシミュレーション環境基盤の構築
- Abstract要約: 本稿では,インテリジェンスを具現化するための,クラウドネイティブなシミュレーション基盤フレームワークを提案する。
このフレームワークは大規模なトレーニング、標準化された評価、シミュレーションベースのデータ収集をサポートする。
クラウドネイティブなシミュレーションインフラストラクチャは、データ生成、モデルトレーニング、標準化された評価、実際のデプロイメントのための統一された基盤を提供する、と私たちは主張する。
- 参考スコア（独自算出の注目度）: 29.038344479610856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a cloud-native simulation infrastructure framework for embodied intelligence that supports large-scale training, standardized evaluation, and simulation-based data collection. The framework unifies simulation environment generation, task execution, trajectory collection, model evaluation, data management, and cloud services into a scalable and reproducible platform. To address the high cost, limited scalability, and poor reproducibility of real-world robotic data collection, the framework adopts cloud-native technologies including elastic resource scheduling, containerized simulation, unified data management, and service-oriented system design, enabling efficient large-scale simulation for multi-model and multi-task workloads. Built on a four-layer architecture, the framework provides standardized environment assets, automated task generation, trajectory collection, benchmark evaluation, and closed-loop data optimization. It further integrates representative systems including D-VLA, RL-VLA3, Sword, and Pre-VLA to support scalable simulation, dynamic scheduling, visual augmentation, and real-time data filtering. We argue that cloud-native simulation infrastructure provides a unified foundation for data generation, model training, standardized evaluation, and real-world deployment, and will play a key role in the future development of embodied intelligence.
- Abstract（参考訳）: 本稿では、大規模トレーニング、標準化された評価、シミュレーションに基づくデータ収集をサポートする、インテリジェンスを具現化するクラウドネイティブなシミュレーション基盤フレームワークを提案する。
このフレームワークは、シミュレーション環境の生成、タスクの実行、軌道収集、モデル評価、データ管理、クラウドサービスをスケーラブルで再現可能なプラットフォームに統合する。
スケーラブルなリソーススケジューリング、コンテナ化シミュレーション、統一データ管理、サービス指向システム設計など、クラウドネイティブなテクノロジを採用して、マルチモデルおよびマルチタスクワークロードの効率的な大規模シミュレーションを実現している。
4層アーキテクチャ上に構築されたこのフレームワークは、標準化された環境資産、自動化されたタスク生成、軌道収集、ベンチマーク評価、クローズドループデータ最適化を提供する。
さらに、D-VLA、RL-VLA3、Sword、Pre-VLAなどの代表システムを統合し、スケーラブルなシミュレーション、動的スケジューリング、ビジュアル拡張、リアルタイムデータフィルタリングをサポートする。
クラウドネイティブなシミュレーションインフラストラクチャは、データ生成、モデルトレーニング、標準化された評価、実世界の展開のための統一された基盤を提供し、エンボディドインテリジェンスの将来の発展において重要な役割を果たすだろう、と私たちは主張する。
関連論文リスト
- GASE: Gaussian Splatting-Based Automated System for Reconstructing Embodied-Simulation Environments [63.222920701596564]
実世界での実施エージェントの訓練には熟練したオペレーターと高価なハードウェアが必要である。
シミュレーション環境は、大規模で費用対効果の高いデータ拡張を可能にすることで、魅力的な代替手段を提供する。
シミュレーションシーンを最小限のsim-to-realギャップで高速に構築することは、ロボット学習において重要な目標となっている。
論文 参考訳（メタデータ） (2026-06-16T05:00:42Z) - VESTA: Visual Exploration with Statistical Tool Agents [56.76643750765825]
VESTA: 統計ツールエージェントを用いたビジュアル探索について紹介する。
VESTAの動的ツール生成は、以前のエージェントパイプラインよりも優れていることを示す。
また,分散フィッティングと時系列を対象とするベンチマークであるDAWNについても紹介する。
論文 参考訳（メタデータ） (2026-05-29T21:57:37Z) - Toward Visually Realistic Simulation: A Benchmark for Evaluating Robot Manipulation in Simulation [62.51953630639423]
既存のベンチマークには視覚的リアリズムがなく、シミュレーションと現実の間に大きな領域ギャップが生じる。
シミュレーションにおけるロボット操作評価のための,視覚的にリアルなベンチマークであるVISERを提案する。
VISERは、物理ベースのレンダリング(PBR)素材を備えた1000以上の3Dアセットの高忠実度データセットと、それらのアセットから作成される3Dシーンを、レイアウトや生成によって構成する。
論文 参考訳（メタデータ） (2026-05-07T14:13:05Z) - Scalable Cloud-Native Architectures for Intelligent PMU Data Processing [0.13543803103181612]
Phasor Measurement Units (PMU) は、リアルタイム電力グリッド監視に不可欠な高周波、時間同期データを生成する。
本稿では、人工知能とエッジとクラウドコンピューティングを統合したインテリジェントPMUデータ処理のためのクラウドネイティブアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-12-23T06:45:38Z) - Physics-Learning AI Datamodel (PLAID) datasets: a collection of physics simulations for machine learning [0.15469999759898032]
PLAIDは物理シミュレーションのデータセットを表現および共有するためのフレームワークである。
PLAIDはシミュレーションデータを記述するための統一標準を定義する。
PLAID標準の下で,構造力学と計算流体力学を網羅した6つのデータセットをリリースする。
論文 参考訳（メタデータ） (2025-05-05T18:59:17Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - A Unified Modeling Framework for Automated Penetration Testing [7.670104854248101]
自動貫入テスト(AutoPT)への人工知能の統合は、インテリジェントエージェントのトレーニングのためのシミュレーションモデルの必要性を強調している。
シミュレーションモデリングのための統一フレームワークが利用可能であることには、認識されているギャップがある。
本稿では,文献の目的,ネットワークシミュレーションの複雑さ,技術的および戦術的操作の依存性,シナリオフィードバックと変動に基づく研究を分類するためにMDCPMを紹介する。
政策自動化に基づく新しいモデリングフレームワークであるAutoPT-Simを紹介し,すべての部分次元の組み合わせを包含する。
論文 参考訳（メタデータ） (2025-02-17T09:21:53Z) - A Benchmark Time Series Dataset for Semiconductor Fabrication Manufacturing Constructed using Component-based Discrete-Event Simulation Models [0.0]
この研究はIntel半導体製造工場のベンチマークモデルに基づいている。
時系列データセットは離散時間軌道を用いて構築される。
データセットは、機械学習コミュニティで行動分析に利用することもできる。
論文 参考訳（メタデータ） (2024-08-17T23:05:47Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z)
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。