論文の概要: C2Flight: A Closed-Loop Co-Simulation Framework for Early-Stage Evaluation of Heterogeneous UAV Computing Systems

• arxiv url: http://arxiv.org/abs/2610.14715v1
• Date: Sat, 10 Oct 2026 08:31:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 12:06:29.658766
• Title: C2Flight: A Closed-Loop Co-Simulation Framework for Early-Stage Evaluation of Heterogeneous UAV Computing Systems
• Title（参考訳）: C2Flight:不均質UAVコンピューティングシステムの早期評価のためのクローズドループ協調シミュレーションフレームワーク
• Abstract要約: この研究は、パラメータ化されたデータフローグラフとしてターゲットシステムを表すクローズドループコシミュレートフレームワークであるC2Flightを提示する。 グラフランタイムは、バッファリング、アクティベーション、リソース共有、通信、ローカルタイミングがクローズドループ飛行行動に与える影響をキャプチャする。
• 参考スコア（独自算出の注目度）: 27.01509172598197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early-stage design of heterogeneous UAV computing systems requires evaluating how algorithm, hardware, communication, and system topology affect closed-loop flight before the complete system is available. However, design choices interact through the robotic feedback loop, making task performance difficult to predict from isolated component metrics, while existing execution-driven approaches postpone system-level design feedback until the computing system is integrated. This work presents C2Flight, a closed-loop co-simulation framework that represents target systems as parameterized dataflow graphs and integrates models of hardware under design with independently accessible physical hardware through a unified node interface. Its graph runtime captures the combined effects of buffering, activation, resource sharing, communication, and local timing on closed-loop flight behavior. Validation against onboard and wireless offboard physical computing pipelines confirms its timing fidelity and closed-loop prediction accuracy. Two case studies demonstrate early-stage exploration of deployment and accelerator bit-width choices. These results show that C2Flight exposes system-level design trade-offs before full-system integration, enabling rapid early-stage design refinement.
• Abstract（参考訳）: ヘテロジニアスなUAVコンピューティングシステムの初期段階の設計では、アルゴリズム、ハードウェア、通信、システムトポロジーが完全なシステムが利用可能になる前にクローズループ飛行にどのように影響するかを評価する必要がある。 しかしながら、設計選択はロボットフィードバックループを介して相互作用するため、タスクパフォーマンスを独立したコンポーネントメトリクスから予測することは困難であり、一方、既存の実行駆動アプローチは、コンピュータシステムが統合されるまでシステムレベルの設計フィードバックを延期する。 パラメータ化されたデータフローグラフとして対象システムを表現し,設計中のハードウェアモデルと独立してアクセス可能な物理ハードウェアを統一ノードインタフェースを通じて統合する,クローズドループ共シミュレーションフレームワークであるC2Flightを紹介する。 グラフランタイムは、バッファリング、アクティベーション、リソース共有、通信、ローカルタイミングがクローズドループ飛行行動に与える影響をキャプチャする。 オンボードおよび無線オフボード物理コンピューティングパイプラインに対する検証は、そのタイミング忠実度とクローズループ予測精度を確認する。 2つのケーススタディは、デプロイとアクセルビット幅選択の初期段階での探索を実証している。 これらの結果から、C2Flightはシステムレベルのトレードオフをフルシステム統合前に公開し、迅速なアーリーステージ設計の洗練を可能にした。

関連論文リスト

• Short-Length Code Designs for Integrated Sensing and Communications: A Deep Learning Approach [60.837951020876204]
  統合センシングと通信(ISAC)は、共有波形を用いた共同通信とセンシングを可能にする。 本稿では,ISAC波形設計のための自動エンコーダに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-27T14:19:20Z)
• AERO-VIS: Asynchronous Event-based Real-time Onboard Visual-Inertial SLAM [11.260582900007032]
  本稿では,AERO-VISについて述べる。AERO-VISは,統合型,データ駆動型,ロバスト型,性能最適化型キーポイント検出器を備えたステレオイベント慣性SLAMシステムである。 UAV上での展開では、イベントベースのSLAMでは前例のない精度を実現している。
  論文  参考訳（メタデータ） (2026-05-08T15:34:00Z)
• Unifying Logical and Physical Layout Representations via Heterogeneous Graphs for Circuit Congestion Prediction [3.6554546992139385]
  回路成分と空間格子を単一のリレーショナル表現に統一する拡張ヘテロジニアスグラフ上に構築された検証フレームワークを提案する。 ISPD2015、CircuitNetN14、CircuitNet-N28といった産業ベンチマークの実験では、予測精度と相関指標における最先端手法に対する一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-03-10T20:39:48Z)
• AIF: Asynchronous Inference Framework for Cost-Effective Pre-Ranking [12.3937519085512]
  産業レコメンデーションシステムでは、ディープニューラルネットワーク(DNN)に基づくプレグレードモデルは通常、シーケンシャルな実行フレームワークを採用する。 本稿では,対話に依存しないコンポーネントをリアルタイムの予測から切り離すコスト効率の高い計算アーキテクチャであるAsynchronous Inference Framework(AIF)を提案する。 フレームワークとモデルの両方を共同設計することで,計算コストと遅延コストを大幅に増加させることなく,優れたパフォーマンスを実現することができる。
  論文  参考訳（メタデータ） (2025-11-17T03:39:32Z)
• Integrated Sensing, Communication, and Computation for Over-the-Air Federated Edge Learning [52.904670248426626]
  本稿では,統合されたセンサ,通信,計算機能を備えた空対空フェデレーションエッジ・ラーニング(Air-FEEL)システムについて検討する。 バッチサイズ制御とネットワークリソース割り当てを交互に最適化することにより、低複雑さI SCCアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2025-08-21T02:46:46Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)
• Turbocharge Speech Understanding with Pilot Inference [0.9699101045941684]
  本稿では,資源制約のあるエッジデバイス上での現代音声理解の促進を図る。 デバイス上での実行をスピードアップする、デバイス容量を超える入力をオフロードする、というハイブリッドなアプローチが必要です。 プロトタイプはPASUと呼ばれ、Armプラットフォーム上で6～8コアでテストされており、SOTAの精度が得られます。
  論文  参考訳（メタデータ） (2023-11-22T17:14:18Z)
• Task-Oriented Over-the-Air Computation for Multi-Device Edge AI [57.50247872182593]
  エッジAIをサポートするための6Gネットワークは、AIタスクの効率的かつ効率的な実行に焦点を当てたタスク指向のテクニックを備えている。 本稿では,マルチデバイススプリット推論システムにおけるタスク指向オーバー・ザ・エア計算(AirComp)方式を提案する。
  論文  参考訳（メタデータ） (2022-11-02T16:35:14Z)
• 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)

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。