論文の概要: Goal-Oriented Communications for Physical AI: Design and Testbed

• arxiv url: http://arxiv.org/abs/2609.15895v1
• Date: Mon, 14 Sep 2026 17:16:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.528732
• Title: Goal-Oriented Communications for Physical AI: Design and Testbed
• Title（参考訳）: 物理AIのための目標指向コミュニケーション:設計とテストベッド
• Abstract要約: 物理AIは、物理世界に対する知覚、理性、相互作用を、頻繁に更新され、遅延に敏感なビデオストリームに依存している。 我々は、RGB-Dカメラと5Gモデムを備えたPiPERロボットアームをNVIDIA Jetson AGX Orinエッジサーバに接続する物理AI用エンドツーエンドGoCテストベッドを開発した。 本稿では,3種類の意味表現として3次元境界ボックス,2次元シーングラフ,3次元シーングラフを伝送する3つのGoCフレームワークを提案し,実装する。
• 参考スコア（独自算出の注目度）: 25.509811092467118
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical AI relies on frequently-updated, latency-sensitive video stream to perceive, reason, and interact with the physical world, resulting in strict latency requirements with much higher data volumes that existing 5G networks cannot support. Goal-oriented communication (GoC) offers as a promising approach to solve this challenge by transmitting only task-relevant semantic representations. However, existing GoC frameworks were mainly evaluated in the simulations while their effectiveness has never been validated in a practical deployment of physical AI application. In this work, we develop an end-to-end GoC testbed for Physical AI, which connects a PiPER robot arm equipped with an RGB-D camera and a 5G modem to an NVIDIA Jetson AGX Orin edge server through a 5G OpenAirInterface network. We propose and implement three GoC frameworks that transmit 3D bounding boxes, 2D scene graphs, and 3D scene graphs, as three types of semantic representations, respectively. They share the common functional modules designed for closed-loop Physical AI applications, including semantic extraction, full stack 5G transmission, language model inference, digital twin validation, and robotic control. Extensive experiments on our testbed show that our GoC frameworks reduce the task completion time by up to 52.6% and improve task success probability by up to 45%, compared to the traditional framework that periodically transmits the raw image data. These results validate the practical effectiveness of our GoC framework and pave the way for efficient and reliable Physical AI applications over future 6G networks. Project website: https://sites.google.com/view/goc-physical-ai-testbed.
• Abstract（参考訳）: 物理AIは、頻繁に更新され遅延に敏感なビデオストリームに依存して、物理的世界に対する知覚、理性、相互作用を可能にし、結果として既存の5Gネットワークがサポートできないデータボリュームよりもはるかに高いレイテンシ要求が発生する。 目標指向コミュニケーション(GoC)は,タスク関連セマンティック表現のみを伝達することによって,この問題を解決するための有望なアプローチである。 しかし、既存のGoCフレームワークは主にシミュレーションで評価されたが、その有効性は物理的なAIアプリケーションの実践的なデプロイで検証されていない。 本研究では,RGB-Dカメラと5Gモデムを備えたPiPERロボットアームを5G OpenAirInterfaceネットワークを介してNVIDIA Jetson AGX Orinエッジサーバに接続する物理AI用エンドツーエンドGoCテストベッドを開発する。 本稿では,3種類の意味表現として3次元境界ボックス,2次元シーングラフ,3次元シーングラフをそれぞれ送信する3つのGoCフレームワークを提案し,実装する。 それらは、セマンティック抽出、フルスタック5G送信、言語モデル推論、デジタルツインバリデーション、ロボット制御など、クローズループ物理AIアプリケーション用に設計された一般的な機能モジュールを共有している。 テストベッド上での大規模な実験により、GoCフレームワークはタスク完了時間を最大52.6%削減し、タスク成功確率を最大45%改善した。 これらの結果は,GoCフレームワークの実用性を検証するとともに,将来の6Gネットワーク上で効率よく信頼性の高い物理AIアプリケーションを実現するための道を開いた。 プロジェクトウェブサイト: https://sites.google.com/view/goc-physical-ai-testbed.com

関連論文リスト

• RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
  H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。 本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。 ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
  論文  参考訳（メタデータ） (2026-08-13T09:55:59Z)
• When Robots Exchange Meaning: A Demo of Goal-Oriented Semantic Communications for Collaborative Robotics [2.7158085195874713]
  本稿では,ロボット側視覚圧縮,エッジ側セマンティックマッピング,ダッシュボードベースのミッションインタラクションを統合した,ロボットエッジセマンティックコミュニケーション(SemCom)テストベッドを提案する。 RGB-DセンシングとLiDARを備えた移動ロボットがROS2を動作させ、Jetson Orinエッジノードが再構成、セマンティックオブジェクトハンドリング、可視化を行う。 再構成されたビジュアルストリームは、下流ロボットアプリケーションのためのセマンティックマップを生成するために、深さ、ポーズ、および3Dマッピング情報にさらに関連付けられる。
  論文  参考訳（メタデータ） (2026-07-30T14:16:23Z)
• AFUN: Towards an Affordance Foundation Model for Functionality Understanding [12.890216832485647]
  我々は,機能理解のための手頃な基礎モデルに向けたステップとして,我々のモデルを提示する。 我々は、異種ロボット、人間、シミュレーション、現実世界のスキャンデータを共有価格スキーマに変換する大規模な標準化データパイプラインを構築します。 私たちのモデルは、4つのベンチマークから8つのテストセットにまたがる大きなマージンで、すべてのベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-06-01T17:50:16Z)
• GaussianDream: A Feed-Forward 3D Gaussian World Model for Robotic Manipulation [54.671815855499034]
  視覚言語アクション(VLA)ポリシーは、セマンティック先行をアクション生成に転送することで、言語条件のロボット操作を進化させた。 標準的な行動模倣学習は、しばしば明示的な3次元空間情報、密集した幾何学的監督、将来の環境進化の十分なモデリングを欠いている。 フィードフォワード3Dガウス世界モデルプラグインである textbfGaussianDream を提案する。
  論文  参考訳（メタデータ） (2026-05-20T05:51:30Z)
• D2E: Scaling Vision-Action Pretraining on Desktop Data for Transfer to Embodied AI [26.33451769892426]
  本稿では,D2E(Desktop to Embodied AI)について紹介する。 このフレームワークは,(1) 多様なデスクトップインタラクションを152倍圧縮で標準化されたフォーマットに統一するOWA Toolkit,(2) タイムスタンプベースのイベント予測により,見えないゲーム間で強力なゼロショット一般化を実現するGeneralist-IDM,(3) デスクトップに制約された表現を物理操作やナビゲーションに転送するVAPTの3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2025-10-07T08:40:33Z)
• Lyra: Generative 3D Scene Reconstruction via Video Diffusion Model Self-Distillation [87.91642226587294]
  現在の学習に基づく3D再構成手法は、キャプチャーされた実世界のマルチビューデータに頼っている。 本稿では,ビデオ拡散モデルにおける暗黙的な3次元知識を,明示的な3次元ガウススプラッティング(3DGS)表現に蒸留する自己蒸留フレームワークを提案する。 本フレームワークは静的・動的3次元シーン生成における最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-09-23T17:58:01Z)
• GAF: Gaussian Action Field as a 4D Representation for Dynamic World Modeling in Robotic Manipulation [47.471097712217386]
  既存のアプローチは、視覚入力から直接アクションを予測するV-A(Vision-to-A)パラダイムや、中間的な3D表現を活用するV-3D-to-A(Vision-to-A)パラダイムに従うのが一般的である。 本稿では,ガウスアクション場(GAF)を介して動作認識4D表現から直接行動推論を可能にするV-4D-Aフレームワークを採用する。 実験では、+11.5385 dB PSNR、+0.3864 SSIM、-0.5574 LPIPSの改善を達成し、平均+7.3%の成功を上げた。
  論文  参考訳（メタデータ） (2025-06-17T02:55:20Z)
• Exploring the Dynamics of Data Transmission in 5G Networks: A Conceptual Analysis [1.3351610617039973]
  この概念解析は,5Gネットワークにおけるデータ伝送のダイナミクスを考察する。 遠隔操作のフェリーに搭載されたカメラやLiDARから陸地管理センターにデータを送信するさまざまな側面に対処する。
  論文  参考訳（メタデータ） (2024-04-25T11:02:54Z)
• EventTransAct: A video transformer-based framework for Event-camera based action recognition [52.537021302246664]
  イベントカメラは、RGBビデオの標準アクション認識と比較して、新しい機会を提供する。 本研究では,最初にイベントフレーム当たりの空間埋め込みを取得するビデオトランスフォーマーネットワーク(VTN)という,計算効率のよいモデルを用いる。 イベントデータのスパースできめ細かい性質にVTNをよりよく採用するために、イベントコントラストロス(mathcalL_EC$)とイベント固有の拡張を設計する。
  論文  参考訳（メタデータ） (2023-08-25T23:51:07Z)
• In-situ Model Downloading to Realize Versatile Edge AI in 6G Mobile Networks [61.416494781759326]
  In-situモデルダウンロードは、ネットワーク内のAIライブラリからダウンロードすることで、デバイス上のAIモデルを透過的でリアルタイムに置き換えることを目的としている。 提示されたフレームワークの重要なコンポーネントは、ダウンロードされたモデルを深さレベル、パラメータレベル、ビットレベルで動的に圧縮する一連のテクニックである。 我々は,3層(エッジ,ローカル,中央)AIライブラリのキー機能を備えた,インサイトモデルダウンロードのデプロイ用にカスタマイズされた6Gネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-10-07T13:41:15Z)
• Simple and Effective Synthesis of Indoor 3D Scenes [78.95697556834536]
  1枚以上の画像から3D屋内シーンを没入する問題について検討する。 我々の狙いは、新しい視点から高解像度の画像とビデオを作成することである。 本稿では,不完全点雲の再投影から高解像度のRGB-D画像へ直接マップするイメージ・ツー・イメージのGANを提案する。
  論文  参考訳（メタデータ） (2022-04-06T17:54:46Z)
• Edge-based fever screening system over private 5G [0.0]
  本稿では,エッジ機械学習技術とプライベート5Gを利用した新規な発熱スクリーニングシステムを提案する。 本稿では, 深層学習に基づく画像・熱データストリームの融合・アライメント技術について述べる。 当社のシステムは98.5%の精度を達成でき、集中型クラウドデプロイメントと比較して約5倍の人を処理できます。
  論文  参考訳（メタデータ） (2022-02-08T15:09:16Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)

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。