論文の概要: Deployment Is Not Destiny: Robot Recomposition in the Field with Unseen Software, Hardware, and Compute Payloads

• arxiv url: http://arxiv.org/abs/2608.11063v1
• Date: Tue, 11 Aug 2026 15:29:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:46.10486
• Title: Deployment Is Not Destiny: Robot Recomposition in the Field with Unseen Software, Hardware, and Compute Payloads
• Title（参考訳）: デプロイは運命ではない - 見えないソフトウェア、ハードウェア、コンピューティングの負荷を伴う分野におけるロボットの再構成
• Abstract要約: 実行時に再コンパイルのためのフレームワークと抽象化をサポートする。 当社のアプローチでは,非専門家のユーザは,真のプラグイン・アンド・プレイプロセスを通じて,現場での新機能を迅速に追加することが可能です。 本手法は, 原子炉運転施設における放射能源位置推定と, 暗く, 難解な場所にいる人を熱誘導探索する2つの災害対応シナリオで実証した。
• 参考スコア（独自算出の注目度）: 2.3962481476592625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The tight coupling of subsystems in most robots, though a natural consequence of their complexity, leads to monolithic designs that are time-consuming and difficult to adapt after initial deployment. To address this challenge, we present a framework and supporting abstractions for recomposition during runtime that enable robots to quickly integrate previously unseen modular software, hardware, and compute payloads. Our approach allows non-expert users to quickly add new capabilities in the field through a true plug-and-play process. Crucially, new resources are not only immediately available to a host robot but are also shared with distributed peers, enabling compute-constrained systems to access powerful new remote capabilities. Our framework reduces reconfiguration time to a matter of minutes with no developer intervention, in stark contrast to the hours of expert effort often required for traditional manual integration. We demonstrate our method in two disaster response scenarios, including radioactive source localization at an operational nuclear reactor facility and a thermal-guided search for people in dark, difficult-to-reach spaces. These demonstrations show how in-field recomposition provides timely, flexible, and accessible adaptation to dynamic requirements, representing a critical step toward creating robots that can quickly evolve alongside the tasks, technologies, and environments they support.
• Abstract（参考訳）: ほとんどのロボットにおけるサブシステムの密結合は、その複雑さの自然な結果であるが、初期展開後、時間がかかり、適応が難しいモノリシックな設計につながる。 この課題に対処するため、我々は、ロボットが未確認のモジュールソフトウェア、ハードウェア、計算ペイロードを迅速に統合できるように、実行時に再コンパイルするためのフレームワークと抽象化をサポートする。 当社のアプローチでは,非専門家のユーザは,真のプラグイン・アンド・プレイプロセスを通じて,現場での新機能を迅速に追加することが可能です。 重要なことは、新しいリソースはホストロボットにすぐに利用可能であるだけでなく、分散ピアと共有されているため、計算に制約のあるシステムが強力な新しいリモート機能にアクセスできるようになる。 私たちのフレームワークは、従来の手作業の統合に必要な専門的な作業時間とは対照的に、開発者の介入なしに、再構成時間を数分に短縮します。 本手法は, 原子炉運転施設における放射能源位置推定と, 暗く, 難解な場所にいる人を熱誘導探索する2つの災害対応シナリオで実証した。 これらのデモは、現場でのリコンポジションが、動的要求へのタイムリーでフレキシブルでアクセシブルな適応を提供する方法を示している。

関連論文リスト

• Contact-Driven Localization in a Freeform Robotic Self-Assembled Structure [0.0]
  そこで本研究では,モジュールロボットの接触駆動位置決め手法を提案する。 本稿では,ロボットがドックに接続された隣人に惹きつけられるポーズを反復的に洗練し,非接続状態から反発する仮想力フレームワークを提案する。 この方法は外部インフラを必要とせず、最小限のオンボードセンシングにのみ依存する。
  論文  参考訳（メタデータ） (2026-08-03T21:23:35Z)
• RED: Adaptive Real-Time DAG Scheduling for Robotic Inference under Environmental Dynamics [9.319504475739588]
  リソース制約のあるロボットプラットフォーム上でのマルチタスクディープニューラルネットワークワークロードのためのリアルタイムスケジューリングフレームワークREDを提案する。 スループット、納期満足度、干渉に対する堅牢性、適応性、実行時のオーバーヘッドにおいて、既存のメソッドよりも一貫して向上していることを示す。 我々はNVIDIA JetsonファミリプラットフォームとApple MシリーズMacBookにREDを実装し、実際のロボットシナリオを表すナビゲーション指向のワークロードで評価する。
  論文  参考訳（メタデータ） (2026-05-21T20:44:39Z)
• Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
  textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。 Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。 我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
  論文  参考訳（メタデータ） (2026-05-11T06:26:58Z)
• Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
  大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。 異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。 我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
  論文  参考訳（メタデータ） (2025-10-30T18:24:38Z)
• RoboBallet: Planning for Multi-Robot Reaching with Graph Neural Networks and Reinforcement Learning [5.558796588722835]
  現代のロボット製造では、共有された障害物の多いワークスペースで多くのタスクを完了するために、衝突のない複数のロボットの調整が必要である。 既存のマルチアームシステムは、労働集約的なプロセスで手動で実現可能な軌道を設計するための人間の直感と経験に依存している。 障害物の多い環境下でテストし,40個の到達タスクを実行する8つのロボットを用いて,自律的なタスクと動作計画を実現するための強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-05T14:28:34Z)
• Fault-Tolerant Multi-Robot Coordination with Limited Sensing within Confined Environments [0.6144680854063939]
  マルチロボットシステムにおける物理的接触相互作用を利用した新しいフォールトトレランス手法を提案する。 そこで本研究では, ロボットの動作を, 操作不能なロボットに遭遇する可能性に基づいて調整する「アクティブコンタクト応答(ACR)」手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T02:43:36Z)
• RED: A Systematic Real-Time Scheduling Approach for Robotic Environmental Dynamics [11.38746414146899]
  我々は、リソース制限されたロボットシステムにおいて、マルチタスクのディープニューラルネットワークワークロードをサポートするように設計された、体系的なリアルタイムスケジューリング手法REDを紹介する。 ロボット環境ダイナミクス(RED)をリアルタイムの制約に順応しながら適応的に管理するように設計されている。
  論文  参考訳（メタデータ） (2023-08-29T15:04:08Z)
• ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and Response with AI [55.41644538483948]
  小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。 我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。 本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
  論文  参考訳（メタデータ） (2022-01-25T14:51:19Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Learning Multi-Arm Manipulation Through Collaborative Teleoperation [63.35924708783826]
  模倣学習(il)はロボットに操作タスクを実行するための強力なパラダイムである。 多くの現実世界のタスクは、重い物体を持ち上げる、デスクを組み立てるなど、複数のアームを必要とする。 複数のリモートユーザが同時にロボットアームを遠隔操作できるマルチユーザデータ収集プラットフォームであるMulti-Arm RoboTurk(MART)を紹介した。
  論文  参考訳（メタデータ） (2020-12-12T05:43:43Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)

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。