智能物联网环境（iiote）由可以协作执行半自动的IOT应用的异构装置，其示例包括高度自动化的制造单元或自主交互收获机器。能量效率是这种边缘环境中的关键，因为它们通常基于由无线和电池运行设备组成的基础设施，例如电子拖拉机，无人机，自动引导车辆（AGV）S和机器人。总能源消耗从多种技术技术汲取贡献，使得能够实现边缘计算和通信，分布式学习以及分布式分区和智能合同。本文提供了本技术的最先进的概述，并说明了它们的功能和性能，特别关注资源，延迟，隐私和能源消耗之间的权衡。最后，本文提供了一种在节能IIOTE和路线图中集成这些能力技术的愿景，以解决开放的研究挑战
translated by 谷歌翻译
Robotics software is pushing the limits of software engineering practice. The 3rd International Workshop on Robotics Software Engineering held a panel on "the best practices for robotic software engineering". This article shares the key takeaways that emerged from the discussion among the panelists and the workshop, ranging from architecting practices at the NASA/Caltech Jet Propulsion Laboratory, model-driven development at Bosch, development and testing of autonomous driving systems at Waymo, and testing of robotics software at XITASO. Researchers and practitioners can build on the contents of this paper to gain a fresh perspective on their activities and focus on the most pressing practices and challenges in developing robotics software today.
translated by 谷歌翻译
Traditionally, robots are regarded as universal motion generation machines. They are designed mainly by kinematics considerations while the desired dynamics is imposed by strong actuators and high-rate control loops. As an alternative, one can first consider the robot's intrinsic dynamics and optimize it in accordance with the desired tasks. Therefore, one needs to better understand intrinsic, uncontrolled dynamics of robotic systems. In this paper we focus on periodic orbits, as fundamental dynamic properties with many practical applications. Algebraic topology and differential geometry provide some fundamental statements about existence of periodic orbits. As an example, we present periodic orbits of the simplest multi-body system: the double-pendulum in gravity. This simple system already displays a rich variety of periodic orbits. We classify these into three classes: toroidal orbits, disk orbits and nonlinear normal modes. Some of these we found by geometrical insights and some by numerical simulation and sampling.
translated by 谷歌翻译
To apply federated learning to drug discovery we developed a novel platform in the context of European Innovative Medicines Initiative (IMI) project MELLODDY (grant n{\deg}831472), which was comprised of 10 pharmaceutical companies, academic research labs, large industrial companies and startups. The MELLODDY platform was the first industry-scale platform to enable the creation of a global federated model for drug discovery without sharing the confidential data sets of the individual partners. The federated model was trained on the platform by aggregating the gradients of all contributing partners in a cryptographic, secure way following each training iteration. The platform was deployed on an Amazon Web Services (AWS) multi-account architecture running Kubernetes clusters in private subnets. Organisationally, the roles of the different partners were codified as different rights and permissions on the platform and administrated in a decentralized way. The MELLODDY platform generated new scientific discoveries which are described in a companion paper.
translated by 谷歌翻译
尽管在最近的研究中，冷水珊瑚的分布模式（例如paragorgia achorea）受到了越来越多的关注，但对它们的原位活性模式知之甚少。在本文中，我们使用机器学习技术检查了灰木杆菌中的息肉活动，以分析从挪威Stjernsund部署的自主登录机群集获得的高分辨率时间序列数据和照片。本文得出的模型的互动说明是作为补充材料提供的。我们发现，珊瑚息肉扩展程度的最佳预测指标是当前方向，滞后为三个小时。与水流无直接相关的其他变量（例如温度和盐度）提供了更少的有关息肉活动的信息。有趣的是，可以通过对测量位点上方的水柱中的层流进行采样，而不是通过对珊瑚的直接流中的更湍流流进行采样。我们的结果表明，灰木息肉的活性模式受Stjernsund的强潮流状态的控制。看来，木托氏菌对环境当前状态的较短变化没有反应，而是根据潮汐周期本身的大规模模式来调整其行为，以优化营养的吸收。
translated by 谷歌翻译
当考虑$ N $标记的机器人的运动计划时，我们需要通过一系列平行，连续的，无碰撞的机器人运动来重新布置给定的启动配置为所需的目标配置。目的是在最短的时间内达到新配置；一个重要的约束是始终保持群体连接。以前已经考虑过这种类型的问题，最近值得注意的结果可实现不一定连接的重新配置：如果将起始配置映射到目标配置，则需要最大的曼哈顿距离$ D $，则总体时间表的总持续时间可以是限制为$ \ Mathcal {O}（d）$，这是最佳选择的恒定因素。但是，只有在允许断开连接的重新配置或用于缩放的配置（通过将给定对象的所有维度通过相同的乘法因子增加到相同的乘法因子增加）时，才能实现恒定拉伸。我们通过（1）建立$ \ omega（\ sqrt {n}）$的下限来解决这些主要的开放问题可以实现重新配置。此外，我们表明（3）决定是否可以实现2个制造物，而可以检查多项式时间是否可以实现1个制造pan。
translated by 谷歌翻译
深度强化学习使用深层神经网络来编码一项策略，该策略在广泛的应用程序中取得了很好的性能，但被广泛视为黑匣子模型。神经模糊的控制器给出了更可解释的深网替代品。不幸的是，神经模糊的控制器通常需要大量规则来解决相对简单的任务，从而难以解释。在这项工作中，我们提出了一种算法，将政策从深Q网络提取为紧凑的神经模糊控制器。这使我们能够通过蒸馏来训练紧凑的神经模糊控制器，以解决他们无法直接解决的任务，结合了深度强化学习的灵活性和紧凑的规则基础的可解释性。我们在OpenAI体育馆的三个知名环境中演示了算法，在那里我们仅使用2至6个模糊规则匹配DQN代理的性能。
translated by 谷歌翻译
由于其强大的理论属性，Shapley的价值已经变得非常流行，以解释黑匣子模型做出的预测。不幸的是，大多数计算沙普利值的现有技术在计算上非常昂贵。我们提出了PDD-shap，这是一种使用基于ANOVA的功能分解模型来近似所解释的黑框模型的算法。这使我们能够比大型数据集的现有方法快地计算出Shapley值的数量级，从而大大降低了计算Shapley值的摊销成本，当需要解释许多预测时。
translated by 谷歌翻译
我们提出了一种具有动态障碍的生物学启发方法，以避免动态障碍。路径计划是在自组织神经网络（SONN）产生的机器人的凝结配置空间中进行的。机器人本身和静态障碍物以及动态障碍物通过笛卡尔任务空间映射到构造空间，并通过预报的运动学绘制到配置空间。冷凝空间代表了环境的认知图，该图是受位置细胞和哺乳动物大脑认知图的概念的启发。培训数据的产生以及评估是在伴随模拟的实际工业机器人上进行的。为了评估不断变化的环境中无动碰撞在线计划，实现了演示者。然后，对基于样本的计划者进行了比较研究。因此，我们可以证明该机器人能够在动态变化的环境中运行，并在印象0.02秒内重新计划其运动轨迹，从而证明我们概念的实时能力。
translated by 谷歌翻译
DEBS Grand Challenge（GC）是一项年度编程竞赛，向来自学术界和行业的从业人员开放。 GC 2022版的重点是Infront Financial Technology GmbH提供的大量tick数据的实时复杂事件处理。挑战的目的是有效计算特定趋势指标并检测这些指标中的模式，例如现实生活中的交易者使用的指标来决定在金融市场上购买或销售。用于基准测试的数据集交易数据包含来自阿姆斯特丹三个主要交易所（NL），巴黎（FR）和法兰克福AM（GER）的大约5500多个金融工具的2.89亿个tick事件。 2021年的整周。数据集可公开使用。除了正确性和绩效外，提交还必须明确专注于可重复性和实用性。因此，参与者必须满足特定的非功能要求，并被要求在开源平台上构建。本文介绍了所需的方案和数据集交易数据，定义了问题声明的查询，并解释了对评估平台挑战者的增强功能，该挑战者处理数据分布，动态订阅以及对提交的远程评估。
translated by 谷歌翻译