論文の概要: Energy-Aware Open-Vocabulary Detection Scheduling for Low-Power Robotic Autonomy

• arxiv url: http://arxiv.org/abs/2611.07663v1
• Date: Thu, 05 Nov 2026 08:46:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.608011
• Title: Energy-Aware Open-Vocabulary Detection Scheduling for Low-Power Robotic Autonomy
• Title（参考訳）: 低消費電力ロボットオートノミーのためのエネルギー対応オープンボキャブラリ検出スケジューリング
• Abstract要約: オープンな語彙オブジェクト検出により、ロボットは実行時のオブジェクトクエリを検索できる。 固定レート推論は、アイドル動作中に低値フレームに組込み計算を使用する。 本稿では,低消費電力移動ロボットのための省エネルギー型OVDスケジューラを提案する。
• 参考スコア（独自算出の注目度）: 3.8025371297146386
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-vocabulary object detection (OVD) lets robots search for run-time object queries, but fixed-rate inference spends embedded compute on low-value frames during idle motion, map revisits, or stable viewpoints. This paper presents an energy-aware OVD scheduler for low-power mobile robots. The scheduler uses odometry, map change, and detector confidence to switch among low-, mid-, and high-power YOLO-World-S modes on a Jetson Orin Nano. We evaluate the energy-quality trade-off on an AgileX LIMO using 40 real navigation trials: two target objects, five placements per target-policy pair, and four perception policies. Across bottle and cup trials, the scheduler records 8/10 mission success compared with 7/10 for each fixed-rate baseline, while reducing mean Jetson input power (a Jetson-side power-draw metric) by 5.2% relative to an 8 Hz high-rate baseline and lowering achieved OVD call rate by 34.0%. It does not minimize mission-window Jetson input energy because longer missions can erase instantaneous power savings. A separate 60 s stationary microbenchmark isolates the perception workload: the scheduler lowers mean power from 8.045 W to 7.301 W and energy from 484.7 J to 438.1 J relative to the 8 Hz baseline. These results support robot-state-aware OVD scheduling as a promising power-management mechanism with competitive task reliability, while showing that mission-window Jetson input energy must be read together with task progress and runtime.
• Abstract（参考訳）: Open-vocabulary Object Detection (OVD)は、ロボットが実行時のオブジェクトクエリを検索することを可能にする。 本稿では,低消費電力移動ロボットのための省エネルギー型OVDスケジューラを提案する。 スケジューラは、Jetson Orin Nano上の低、中、高出力のYOLO-World-Sモードを切り替えるために、オドメトリ、マップ変更、検出器の信頼性を使用する。 2つの目標オブジェクト、1対の目標と2対の目標と4つの認識ポリシーを用いて、アジャイルX LIMOにおけるエネルギー品質のトレードオフを評価した。 ボトルとカップの試験全体で、スケジューラは固定レートベースライン毎の7/10と8/10のミッション成功を記録し、平均ジェットソン入力パワー(ジェットソン側パワードローメトリック)は8Hzのハイレートベースラインと比較して5.2%減少し、OVDコールレートは34.0%低下した。 ミッション・ウィンドのジェットソンの入力エネルギーを最小化することはできない。 スケジューラは平均電力を8.045Wから7.301W、エネルギーを484.7Jから438.1Jに下げる。 これらの結果は,ロボット状態対応型OVDスケジューリングを,ミッションウインドウジェットソンの入力エネルギーをタスクの進行と実行とともに読み込まなければならないことを示すとともに,競争力のあるタスク信頼性を備えた有望なパワーマネジメント機構としてサポートしている。

関連論文リスト

• Online Hamilton-Jacobi Reachability Onboard the Robot Control Loop: A Real-Time GPU Solver for Safety-Critical Autonomy [48.490973622915725]
  ハミルトン・ヤコビ(HJ)の到達性は、安全クリティカルなロボットシステムに認定された後方到達管(BRT)を提供する。 ロボットの制御ループ内を走れるほど高速な2D、3D、4Dダイナミックスのためのレベルセットのハミルトン・ヤコビ・ヤコブ・ソルバを提案する。
  論文  参考訳（メタデータ） (2026-11-03T00:11:57Z)
• Measuring the Inference Energy Efficiency of Open-Weight LLMs across Benchmarks, Reasoning Modes, and Hardware [2.2672364873235953]
  ベンチマークスコアは、LCMに何ができるかを教えてくれるが、その能力を実現するのにどれだけのエネルギーが必要かは教えてくれない。 86のオープンウェイトモデルチェックポイントに対するこのトレードオフを測定し、7つのベンチマークと6つのハードウェアプラットフォームで評価する。 同様の能力を持つモデルにおいても,エネルギー効率に大きな差がある。
  論文  参考訳（メタデータ） (2026-10-09T23:15:10Z)
• Decentralized Scalable Exploration via Emergent Adaptive Lévy Walks on Minimal-Sensing Platforms [0.0]
  重量50グラム未満の空飛ぶロボットのための軽量なセンサー駆動型レヴィ歩行制御装置を提案する。 この方法は、方向距離測定を用いて、離散Lévyステップ長サンプリングとセンサ反応性誘導ポリシーを組み合わせる。 シミュレーションの結果、オープンアリーナでは79.6%、ルーム・アンド・コリドールでは43.1%、散らかった環境では13.6%の改善が見られた。
  論文  参考訳（メタデータ） (2026-07-28T01:53:28Z)
• LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation [53.88286427894783]
  視覚言語モデル(VLM)は、ロボット分野において、言語コンテキストによる環境認識を可能にする強力なツールとして登場した。 しかし、彼らの計算フットプリントは、通常、それらをクラウド実行に制限し、リソースに制約のあるロボットへのローカルなデプロイによる低レイテンシの推論を妨げる。 本稿では,大規模フロンティアモデルからの複雑な空間意味推論を,組み込みGPUデバイス上でエッジ実行を行うための軽量な4BパラメータローカルVLMに転送する蒸留戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-26T09:11:59Z)
• 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)
• nanoML for Human Activity Recognition [0.26388783516590225]
  本稿では,人間活動認識(HAR)へのDWNの適用を実証する。 DWNは96.34%と96.67%の競争的精度を達成し、1サンプルあたり56nJと104nJしか消費せず、1サンプルあたりの推測時間はわずか5nである。 これらの結果は、DWNをHARのためのナノマシン学習ナノMLモデルとして位置づけ、エッジおよびウェアラブルデバイスのためのエネルギー効率とコンパクト性の新しいベンチマークを設定した。
  論文  参考訳（メタデータ） (2025-02-13T19:40:03Z)
• One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation [80.71541671907426]
  OneStep Diffusion Policy (OneDP)は、事前訓練された拡散政策から知識を単一ステップのアクションジェネレータに蒸留する新しいアプローチである。 OneDPはロボット制御タスクの応答時間を著しく短縮する。
  論文  参考訳（メタデータ） (2024-10-28T17:54:31Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• 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)

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。