論文の概要: A Semantic Communication Approach to Fiducial Marker Processing in 5G-Enabled Edge SLAM
- arxiv url: http://arxiv.org/abs/2608.09620v1
- Date: Mon, 10 Aug 2026 13:59:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.294922
- Title: A Semantic Communication Approach to Fiducial Marker Processing in 5G-Enabled Edge SLAM
- Title（参考訳）: 5G-Enabled Edge SLAMにおける有限マーカー処理のセマンティック通信手法
- Abstract要約: 本稿では,5G対応エッジSLAMにおけるフィデューシャルマーカー処理のためのセマンティックスプリット推論フレームワークを提案する。
このフレームワークはROS2ベースのロボットアーキテクチャに統合され、本物の5G通信テストベッド上で特徴付けられる。
- 参考スコア（独自算出の注目度）: 1.4136330551561624
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Autonomous robots increasingly rely on edge computing to offload computationally intensive perception tasks while maintaining real-time operation over 5G networks. However, conventional fiducial marker detection pipelines provide limited opportunities for efficient task partitioning, making them poorly suited for communication-aware edge deployment. This paper proposes a semantic split inference framework for fiducial marker processing in 5G-enabled Edge SLAM. A DeepTag-inspired convolutional neural network is partitioned between the robot and the edge server, where intermediate feature representations serve as task-oriented semantic information transmitted over the wireless link. The framework is integrated into a ROS2-based robotic architecture and characterized over a real 5G communication testbed. Experimental results demonstrate accurate keypoint estimation, illustrate the impact on downstream pose estimation, and quantify the communication--computation trade-offs associated with different split points, providing practical insights for communication-aware deployment of deep visual perception in connected robotic systems.
- Abstract（参考訳）: 自律型ロボットは、5Gネットワーク上のリアルタイム操作を維持しながら、計算集約的な知覚タスクをオフロードするエッジコンピューティングにますます依存している。
しかし、従来のフィデューシャルマーカー検出パイプラインは、効率的なタスク分割を行うための限られた機会を提供し、通信対応のエッジデプロイメントには適さない。
本稿では,5G対応エッジSLAMにおけるフィデューシャルマーカー処理のためのセマンティックスプリット推論フレームワークを提案する。
DeepTagにインスパイアされた畳み込みニューラルネットワークは、中間特徴表現が無線リンクを介して送信されるタスク指向の意味情報として機能する、ロボットとエッジサーバの間で分割される。
このフレームワークはROS2ベースのロボットアーキテクチャに統合され、本物の5G通信テストベッド上で特徴付けられる。
実験結果は、正確なキーポイント推定を示し、下流のポーズ推定への影響を説明し、異なる分割点に関連付けられた通信計算トレードオフを定量化し、接続されたロボットシステムにおける深い視覚知覚のコミュニケーションを意識した展開のための実践的な洞察を提供する。
関連論文リスト
- CSI-Assisted Edge SLAM Testbed Platform for 5G Connected Unmanned Autonomous Vehicles [1.2832858109291982]
我々は、カスタム無人地上車両(UGV)とROS2ベースのSLAMフレームワークを統合したCSI支援エッジSLAMテストベッドの設計と実装を行う。
提案アーキテクチャは5GでストリーミングされるROS2センサデータのエンドツーエンドのクロスレイヤビューを提供する。
我々は、ROS2通信、RTPSパケット化、および5Gユーザプレーントランスポートを分析し、O-RANコンポーネントによるCSI抽出と配信のメカニズムについて議論する。
論文 参考訳（メタデータ） (2026-07-11T16:50:54Z) - 6G Communication Networks Enabling Embodied Agents: Architecture and Prototype [9.576234748631647]
エージェントは純粋にソフトウェアベースのエージェントよりもはるかに厳密で異質な通信要求を課す。
6Gは、ミリ秒以下のレイテンシ、超高信頼性、ネイティブインテリジェンス、統合センシングを実現している。
本稿では, 概念的, 工学的両面から, エンボディエージェントの6G対応通信システムについて検討する。
論文 参考訳（メタデータ） (2026-05-22T06:05:14Z) - Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。
このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
論文 参考訳（メタデータ） (2026-03-03T17:41:42Z) - Joint Sensing, Communication, and Computation for Vertical Federated Edge Learning in Edge Perception Network [75.78245138352698]
本稿では,統合されたセンサ,通信,および計算可能なエッジ認識ネットワークについて考察する。
複数のエッジデバイスは、無線信号を利用してローカルモデルを更新する環境情報を検知し、エッジサーバは、グローバルモデルトレーニングのためのオーバー・ザ・エア計算によるフィーチャの埋め込みを集約する。
まず、無線センシングノイズの存在下での損失関数の劣化とAirComp中の凝集歪みからISCC対応VFEELの収束挙動を解析する。
論文 参考訳（メタデータ） (2025-12-03T02:20:58Z) - Deep Semantic Inference over the Air: An Efficient Task-Oriented Communication System [8.459189717032647]
分類性能,計算遅延,通信コストを共同で検討する深層学習型タスク指向コミュニケーションフレームワークについて検討する。
我々はResNetsベースのモデルを採用し、それをCIFAR-10およびCIFAR-100データセット上で評価し、無線環境における現実世界の分類タスクをシミュレートする。
適切なモデル分割と意味的特徴圧縮により、システムは85%以上のベースライン精度を維持しながら、計算負荷と通信オーバーヘッドを著しく削減できる。
論文 参考訳（メタデータ） (2025-08-18T09:18:07Z) - Deep Learning on Graphs for Mobile Network Topology Generation [0.0]
本稿では,実世界のモバイルネットワークに適用された異なるグラフベースの深層学習手法の精度と精度を評価することに焦点を当てる。
実運用Telecom Networksから得られたTelecomデータセットに関する実験により,グラフニューラルネットワーク(GNN)モデルと多層パーセプトロンの有効性が示された。
論文 参考訳（メタデータ） (2025-04-18T15:49:56Z) - A Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops [72.1902268440158]
グローバルな目的を達成するため,大規模なロボット群における協調作業は,大規模環境における課題である。
ロボットはパーセプション・アクション・コミュニケーションループを実行し、ローカル環境を認識し、他のロボットと通信し、リアルタイムで行動を起こす必要がある。
近年では、フロッキングやカバレッジ制御などのアプリケーションでグラフニューラルネットワーク(GNN)を使用してこの問題に対処している。
本稿では、分散化されたGNNを用いてナビゲーション動作を計算し、通信のためのメッセージを生成するロボット群における非同期PACフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-18T21:20:50Z) - Cognitive TransFuser: Semantics-guided Transformer-based Sensor Fusion
for Improved Waypoint Prediction [38.971222477695214]
RGB-LIDARベースのマルチタスク機能融合ネットワークであるCognitive TransFuserは、安全で完全な道路ナビゲーションのために、ベースラインネットワークを大幅に拡張し、超える。
提案したネットワークをCown05 Short と Town05 Long Benchmarkで広範囲な実験により検証し,44.2 FPSのリアルタイム推論時間を実現した。
論文 参考訳（メタデータ） (2023-08-04T03:59:10Z) - Task-Oriented Communications for NextG: End-to-End Deep Learning and AI
Security Aspects [78.84264189471936]
NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。
無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。
エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
論文 参考訳（メタデータ） (2022-12-19T17:54:36Z) - 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) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic
Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。
観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。
GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文 参考訳（メタデータ） (2022-05-22T07:11:57Z) - Scalable Perception-Action-Communication Loops with Convolutional and
Graph Neural Networks [208.15591625749272]
視覚に基づくグラフアグリゲーション・アンド・推論(VGAI)を用いた知覚-行動-コミュニケーションループの設計を提案する。
我々のフレームワークは、畳み込みとグラフニューラルネットワーク(CNN/GNN)のカスケードによって実装され、エージェントレベルの視覚知覚と特徴学習に対処する。
我々は、VGAIが他の分散コントローラに匹敵する性能を得ることを示した。
論文 参考訳（メタデータ） (2021-06-24T23:57:21Z)
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。