論文の概要: Thermal-Headroom Routing for Efficient Robot Perception in Extreme Heat
- arxiv url: http://arxiv.org/abs/2610.35231v1
- Date: Mon, 26 Oct 2026 11:20:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.841159
- Title: Thermal-Headroom Routing for Efficient Robot Perception in Extreme Heat
- Title（参考訳）: 極端熱における効率的なロボット知覚のための熱的ヘッジルームルーティング
- Abstract要約: 適応型ロボット認識システムは、検出精度、推論遅延、エネルギー消費のバランスをとる必要がある。
閉形RC熱モデルを用いてプロセッサ温度を予測する軽量モデル選択ポリシーであるサーマル・ヘドルーム・ルーティング(THR)を提案する。
実世界の7つの知覚トレース,8つの環境温度,20個のランダム化種子を4つのYOLO11構成で評価した。
- 参考スコア（独自算出の注目度）: 0.49380306005957264
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adaptive robot perception systems must balance detector accuracy, inference latency, and energy consumption, particularly when high ambient temperatures cause processors to thermally throttle. We propose Thermal-Headroom Routing (THR), a lightweight model-selection policy that forecasts processor temperature using a closed-form RC thermal model and excludes detector configurations predicted to cross a throttling threshold. We evaluate THR with four YOLO11 configurations across seven real-world perception traces, eight ambient temperatures, and 20 randomized seeds, comparing it with latency-aware routing, fixed-threshold thermostats, duty caps, and a matched-compute-budget control. At ambient temperatures of 45-55 degrees C and a tight inference deadline, THR eliminates throttling in simulation, reduces deadline misses by 3.9-7.5 percentage points, and reduces energy per on-time frame by approximately 12-13% relative to a latency-belief router. A separate experiment using deadline-paced, nonoverlapping frame execution yields miss-rate reductions of 6.2-9.5 percentage points. A tuned thermostat or duty cap can match THR at a fixed operating point; predictive routing is most useful when ambient conditions or calibrated thermal parameters differ from those used to tune static policies. Measurements on an Apple M5 support the single-node heating approximation but do not validate hardware throttling. The results characterize the conditions under which thermal forecasting improves the efficiency and timeliness of resource-constrained robot perception.
- Abstract（参考訳）: 適応型ロボット認識システムは検出器の精度、推論遅延、エネルギー消費のバランスをとる必要がある。
本研究では, 閉形RC熱モデルを用いてプロセッサ温度を予測し, スロットリングしきい値を越えると予測される検出器構成を除外する軽量モデル選択ポリシーであるHyter-Headroom Routing(THR)を提案する。
実世界の知覚トレース7点,環境温度8点,ランダム化種子20点の4つのYOLO11構成をTHRで評価し,遅延を考慮したルーティング,固定閾値サーモスタット,デューティキャップ,一致した計算予算制御と比較した。
45-55°Cの環境温度と厳密な推論期限において、THRはシミュレーションにおけるスロットリングを排除し、デッドラインミスを3.9-7.5ポイント削減し、遅延を許容するルータに対して、オンタイムフレーム当たりのエネルギーを約12-13%削減する。
デッドラインペースの非重複フレーム実行を使った別の実験では、ミスレートの6.2～9.5ポイントが減少する。
調整されたサーモスタット(英語版)またはデューティキャップ(英語版)は、固定された動作点でTHRと一致しうるが、予測ルーティングは、環境条件や温度パラメータが静的ポリシーをチューニングするために使用されるものと異なる場合に最も有用である。
Apple M5の測定は単一ノード加熱近似をサポートするが、ハードウェアスロットリングの検証はできない。
その結果、熱予測が資源制約されたロボット知覚の効率性とタイムラインを改善する条件を特徴づけた。
関連論文リスト
- Sustainable Edge Vision via Empirically Calibrated DVFS: Eliminating Thermal Throttling on Passively Cooled Hardware [0.0]
受動冷却エッジシステム(SoC)における持続型ディープニューラルネットワーク(DNN)推論のためのスケジューラを提案する。
提案手法は時間領域ガードと絶対温度境界を利用しており, 熱スパイクの急激な対策としてデリバティブトリガーが有効である。
温度のみの反応性基線を6.8%高いフレームレート(コーエンd = 8.73)で上回り、1フレームあたりのエネルギーは1.9%減少する。
論文 参考訳（メタデータ） (2026-09-04T04:24:05Z) - Cycle-Consistent and Uncertainty-Aware Neural Surrogates for Tokamak Edge Plasmas [0.040071856451118486]
境界プラズマと変圧器プラズマはトカマクが動力と粒子を排出する方法を支配している。
機械学習のサロゲートは高速な代替手段を提供するが、多くは前方のみである。
本稿では,エッジプラズマに対するサイクル一貫性ニューラルサロゲートを提案する。
論文 参考訳（メタデータ） (2026-07-23T15:06:57Z) - EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting [50.31500063307306]
マルチスペクトル地球観測予測のためのビデオ拡散変換器であるEO-WMを紹介する。
EO-WMは、気象基準線、気象異常、累積的な物理的ストレス信号を通して気象的な強制力を表す物理的に情報を得た条件付けフレームワークを組み込んでいる。
実験の結果、EO-WMは予測正規化植生指数(NDVI)の減少振幅を相対5.63%減少させ、方向のヒット率を相対7.80%向上させることがわかった。
論文 参考訳（メタデータ） (2026-06-25T16:53:30Z) - Urban Heat MiniCubes: An AI-Ready dataset for urban heat research [35.306432670332065]
Cube Heat Mini-Cubes"は、都市熱研究における機械学習応用のための公開データセットである。
このデータセットは2022-2023年の西半球48都市に対して90×90kmの格子状データキューブを提供する。
論文 参考訳（メタデータ） (2026-06-10T00:34:20Z) - Adaptive Rigor in AI System Evaluation using Temperature-Controlled Verdict Aggregation via Generalized Power Mean [51.56484100374058]
本稿では,5段階判定システムと一般化されたパワー平均アグリゲーションと直感的な温度パラメータT[0.1, 1.0]を組み合わせて評価リガーを制御する手法を提案する。
低温は安全クリティカルな領域に適した悲観的なスコアをもたらし、高温は会話AIに適した寛大なスコアを生み出します。
論文 参考訳（メタデータ） (2026-04-04T09:04:38Z) - Temperature-Dependent Performance of Prompting Strategies in Extended Reasoning Large Language Models [0.49109372384514843]
4つの温度設定でチェーン・オブ・シンドロームとゼロショット・プロンプトを系統的に評価した。
ゼロショットプロンプトは中等度温度でピーク性能を達成する。
論文 参考訳（メタデータ） (2026-03-18T00:36:20Z) - Temperature as a Meta-Policy: Adaptive Temperature in LLM Reinforcement Learning [47.83947232413507]
大規模言語モデル(LLM)における探索と搾取のトレードオフの温度制御
高温は多様だがノイズの多い出力を奨励し、低温は集中した出力を生み出すが、早めの収束を引き起こす可能性がある。
本稿では,温度制御を学習可能なメタ政治として再放送する新しいフレームワークである温度適応メタポリシー最適化(TAMPO)を提案する。
論文 参考訳（メタデータ） (2026-02-12T09:59:58Z) - Pre-insertion resistors temperature prediction based on improved WOA-SVR [3.5738896126578537]
高電圧回路ブレーカ内のプレ絶縁抵抗(PIR)は、電流が流れるときにジュール熱を発生させることによって、臨界成分でありウォームアップする。
本研究は、有限要素シミュレーション手法と、改良された鯨最適化アルゴリズム(IWOA)アプローチにより最適化されたサポートベクトル回帰(SVR)を組み合わせる。
論文 参考訳（メタデータ） (2024-01-07T14:24:04Z) - Role of topology in determining the precision of a finite thermometer [58.720142291102135]
低接続性は、温度計を低温で動作させるためのリソースであることに気付きました。
位置測定により達成可能な精度を,エネルギー測定に対応する最適値と比較する。
論文 参考訳（メタデータ） (2021-04-21T17:19:42Z) - Impact of Thermal Throttling on Long-Term Visual Inference in a
CPU-based Edge Device [0.0]
畳み込みニューラルネットワーク(CNN)の重大計算負荷は、熱収縮を招き、数秒で性能が低下する可能性がある。
4つのソフトウェアフレームワークと2つのオペレーティングシステム上で5つのCNNモデルを実行し、アクティブな冷却を行わない80のケースの長期的パフォーマンスを報告し、分析した。
論文 参考訳（メタデータ） (2020-10-13T11:15:17Z) - Controlling Rayleigh-B\'enard convection via Reinforcement Learning [62.997667081978825]
固定外熱勾配下での対流熱交換を抑制または促進するための効果的な制御戦略の同定は、重要な基本的かつ技術的問題である。
本研究では,最先端の強化学習(RL)アルゴリズムに基づく新しい手法を提案する。
我々のRL制御は導電系を安定させ、対流の開始をレイリー数にすることができることを示す。
論文 参考訳（メタデータ） (2020-03-31T16:39:25Z)
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。