한국어 초록
다음은 AI/ML 분야의 논문 초록입니다. 우리는 대규모 모바일 로봇 군집의 조정 및 계획을 지원하기 위해 설계된 기초 모델 모음인 DeepFleet을 소개합니다. 이 모델들은 전 세계 아마존 창고에서 수십만 대의 로봇의 로봇 위치, 목표 및 상호작용을 포함한 군집 이동 데이터로 학습되었습니다. DeepFleet은 각기 다른 귀납적 편향을 구현하고 다중 에이전트 기초 모델을 위한 설계 공간의 주요 지점을 탐색하는 네 가지 아키텍처로 구성됩니다: 로봇 중심(RC) 모델은 개별 로봇의 이웃에서 작동하는 자기 회귀 결정 트랜스포머(autoregressive decision transformer)입니다; 로봇-바닥(RF) 모델은 로봇과 창고 바닥 간의 교차 어텐션(cross-attention)을 사용하는 트랜스포머입니다; 이미지-바닥(IF) 모델은 전체 군집의 다중 채널 이미지 표현에 컨볼루션 인코딩(convolutional encoding)을 적용합니다; 그래프-바닥(GF) 모델은 공간적 관계를 위한 그래프 신경망(graph neural networks)과 시간 어텐션(temporal attention)을 결합합니다. 본 논문에서는 이러한 모델들을 설명하고, 이러한 설계 선택이 예측 작업 성능에 미치는 영향을 평가한 결과를 제시합니다. 우리는 비동기 로봇 상태 업데이트를 사용하고 로봇 상호작용의 국소 구조를 통합한 로봇 중심 모델과 그래프-바닥 모델이 가장 유망하다는 것을 발견했습니다. 또한 이 두 모델이 규모가 커질수록 더 큰 창고 운영 데이터셋을 효과적으로 활용할 수 있다는 실험 결과를 제시합니다.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
공통 태그로 연결된 공개 논문이 아직 없습니다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.