論文の概要: A Hardware-Partitioned micro-ROS Mini-Vehicle for Operator-Supervised Neural Driving
- arxiv url: http://arxiv.org/abs/2610.15966v1
- Date: Sun, 11 Oct 2026 22:46:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 08:20:26.336412
- Title: A Hardware-Partitioned micro-ROS Mini-Vehicle for Operator-Supervised Neural Driving
- Title（参考訳）: 演算子スーパービジョンニューラル駆動のためのハードウェア分割マイクロROSミニ車両
- Abstract要約: 組込みニューラルドライブ研究のための低コスト小型アッカーマン車について述べる。
実閉ループニューラル駆動時の完全パイプラインを特徴付ける。
その結果、慎重に分割されたマイクロコントローラクラス車両は、組み込みAI、無線制御、オペレーターが監督する自律運転において再現可能な実験を支援することが示唆された。
- 参考スコア（独自算出の注目度）: 0.688204255655161
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: We present a low-cost miniature Ackermann vehicle for embedded neural-driving research, organized as a hardware-partitioned perceive-decide-act agent: an ESP32 camera node streams frames over Wi-Fi to a host computer, where neural inference and state estimation run, while an ESP32-S3 chassis controller executes safety-critical actuation in a 100 Hz per-wheel proportional-integral-derivative (PID) loop beneath a micro-ROS client. The partition isolates real-time control and safety on the vehicle while learning-based components run off-board, supervised by an operator from a gamepad. We characterize the complete pipeline during real closed-loop neural driving. Wireless sensing, rather than neural inference, dominates latency, with a 59.5 ms median capture-to-actuation delay; the platform absorbed wireless variability by holding the last safe command under a firmware watchdog, operating across twelve autonomous sessions with zero collisions or manual interventions; and encoder-inertial-measurement-unit (IMU) fusion cut odometry loop-closure error by 22%. These results indicate that carefully partitioned microcontroller-class vehicles support reproducible experiments in embedded AI, wireless control, and operator-supervised autonomous driving. The platform software is open source.
- Abstract（参考訳）: ESP32カメラノードは、Wi-Fi上にフレームをストリームし、神経推論と状態推定を実行するホストコンピュータにストリームし、ESP32-S3シャシーコントローラは、マイクロROSクライアントの下の100Hzの比例積分微分(PID)ループで安全クリティカルなアクティベーションを実行する。
このパーティションは、学習ベースのコンポーネントがゲームパッドからオペレーターによって監督され、オフボードで実行される間、車両のリアルタイム制御と安全性を分離する。
実閉ループニューラル駆動時の完全パイプラインを特徴付ける。
プラットフォームはファームウェアの監視下で最後の安全コマンドを保持し、ゼロの衝突や手動による12の自律的なセッションを運用し、エンコーダ・慣性測定ユニット(IMU)融合により、耳科のループ閉鎖エラーが22%削減された。
これらの結果は、慎重に分割されたマイクロコントローラクラス車両が、組込みAI、無線制御、オペレーターが監督する自律運転において再現可能な実験を支援することを示唆している。
プラットフォームソフトウェアはオープンソースである。
関連論文リスト
- Reinforcement Learning on Cost-Constrained Quadrupedal Hardware [0.040782474409194726]
低コストのロボットプラットフォームに学習された制御ポリシをデプロイすると、輸送レイテンシとノイズの多いモータフィードバックが導入される。
我々は、ノイズや遅延したフィードバックを扱う生物学的にインスパイアされたアプローチで、sim-to-realギャップを埋める。
低コストの四面体ハードウェアプラットフォームを用いて、平均アクチュエータ遅延のフォワードモデルを用いて、時間認識ニューラルネットワークと組み合わせることで、ロコモーションが堅牢であることが判明した。
論文 参考訳（メタデータ） (2026-07-29T03:22:12Z) - Tiny Collaborative Inference for Occlusion-Robust Object Detection [0.5352699766206808]
検索と救助のためのエッジAIノードは、コンピュータビジョンをローカルで実行することがますます期待されている。
ウルトラローエンドハードウェアは、メモリ、計算、デバイス間通信に厳しい制約を課す。
本研究は、MCUバックボーン、YOLOv2検出ヘッド、Lite量子化を組み合わせることで、1MB未満の閉塞物検出装置に対処する。
論文 参考訳（メタデータ） (2026-06-01T21:10:08Z) - Fully Autonomous Z-Score-Based TinyML Anomaly Detection on Resource-Constrained MCUs Using Power Side-Channel Data [0.13750624267664155]
本稿では,低消費電力マイクロコントローラに実装した完全自律型Tiny Machine Learning (TinyML) Z-Scoreによる異常検出システムを提案する。
異常は軽量なZスコアしきい値を用いて検出され、組み込み配置に適した解釈可能かつ計算効率の良い推論が可能である。
結果は、精度1.00の精度とリコール、数十マイクロ秒の推論レイテンシ、メモリフットプリント全体の約3.3KBと63KBのフラッシュの完全な検出性能を示す。
論文 参考訳（メタデータ） (2026-03-28T20:15:50Z) - TinyNav: End-to-End TinyML for Real-Time Autonomous Navigation on Microcontrollers [0.0]
ESP32マイクロコントローラ上でのリアルタイム自律ナビゲーションのためのエンドツーエンドTinyMLシステムを提案する。
カスタムトレーニングされた量子化された2D畳み込みニューラルネットワークは、20フレームの深度データのスライディングウィンドウを処理し、ステアリングとスロットルコマンドを予測する。
論文 参考訳（メタデータ） (2026-03-10T17:54:54Z) - NanoCockpit: Performance-optimized Application Framework for AI-based Autonomous Nanorobotics [50.594459728605734]
小型のフォームファクタ、すなわち10sグラムは、計算資源をSI100ミリワット以下のマイクロコントローラユニット(MCU)に著しく制限する。
本フレームワークは,タスクのシリアライズによるオーバーヘッドをゼロにすることで,クローズドループ制御性能の定量的改善を実現する。
論文 参考訳（メタデータ） (2026-01-12T12:29:38Z) - Real-Time In-Cabin Driver Behavior Recognition on Low-Cost Edge Hardware [1.1100764382749708]
Raspberry Pi 5とGoogle Coral Edge TPUにデプロイするために設計された、シングルカメラインキャビンドライバの挙動認識システム。
システムは、複数の電話使用モード、食事/飲酒、喫煙、後ろに手を伸ばす、視線/注意のシフト、乗客のインタラクション、グルーミング、コントロールパネルのインタラクション、あくび、目を閉じた睡眠を含む17の行動クラスをカバーする。
論文 参考訳（メタデータ） (2025-12-26T00:54:24Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳（メタデータ） (2022-05-04T17:55:12Z) - Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。
具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。
提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
論文 参考訳（メタデータ） (2020-12-26T19:41:15Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - Robustifying the Deployment of tinyML Models for Autonomous
mini-vehicles [61.27933385742613]
本稿では,ループ内環境を含む自動運転ミニ車両を対象とした閉ループ学習フローを提案する。
我々は、小型CNNのファミリーを利用してミニ車両を制御し、コンピュータビジョンアルゴリズム、すなわち専門家を模倣してターゲット環境で学習する。
CNNのファミリを実行する場合、我々のソリューションはSTM32L4とk64f(Cortex-M4)の他の実装よりも優れており、レイテンシを13倍以上削減し、エネルギー消費を92%削減する。
論文 参考訳（メタデータ） (2020-07-01T07:54:26Z) - Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian
Detection [99.94079901071163]
本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。
我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。
我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
論文 参考訳（メタデータ） (2020-04-03T17:36:26Z)
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。