文献

J-GLOBAL ID：202202213774953055   整理番号：22A1032672

計算リソース制限プラットフォームとエッジテンソル処理ユニットによる支援外骨格のための深層学習ベース誤差軽減【JST・京大機械翻訳】

Deep Learning-Based Error Mitigation for Assistive Exoskeleton With Computational-Resource-Limited Platform and Edge Tensor Processing Unit

著者 (4件)： Fabarisov Tagir (University of Stuttgart, Stuttgart, Germany) ,  Morozov Andrey (University of Stuttgart, Stuttgart, Germany) ,  Mamaev Ilshat (Karlsruhe Institute of Technology, Karlsruhe, Germany) ,  Janschek Klaus (Technische Universitaet Dresden, Dresden, Germany)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： IMECE2021  ページ： Null  発行年： 2022年 
JST資料番号： A0478C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,FIBロックと呼ばれる高度にカスタマイズ可能なSimulinkブロックとして実装された新しいモデルベースの故障注入法を導入した。それは,センサ,計算ハードウェア,およびネットワークのようなCyber-Physical System(CPS)の本質的不均一コンポーネントの典型的故障の注入をサポートする。FIBロックは故障タイプを調整でき,誤差の大きさ,故障活性化時間,および故障曝露期間を調整するための多重パラメータを構成する。FIBロックは,様々なタイプの高度に調整可能なCPS故障を生成することができる。日常生活における高齢者のための補助装置である下肢EXOLEGS外骨格を表すSimulink事例研究におけるFIBロックの性能を実証した。特に,異なる故障タイプに対する空間的および時間的閾値を発見した。上述の閾値を超えるとき,動的運動プライムスベースの制御システムは,もはや誤差を補償できなかった。本論文では,システム故障防止のための新しい深層学習ベースアプローチを提案した。誤り検出と緩和のために,Long Short-Termメモリ(LSTM)ネットワークを採用した。誤差検出は予測アプローチを用いて達成された。LSTMモデルは,それらが不明確な故障(即ち,前述の閾値を超える)を受けるときのみ,計算した予測による検出誤差を緩和する。著者らのアプローチを以前の知見と比較するために,角度位置と角速度信号に関する2つのLSTMモデルを訓練した。評価のために,故障効果パラメータを変えて故障注入実験を行った。ΔΔSensor凍結故障を角位置センサに注入し,0’故障を角速度センサに注入した。提示した深い学習ベースのアプローチは,注入された故障が実質的に閾値を超えている場合でも,システム故障を防ぐ。さらに,データアクセスポイント選択のための推論を評価した。2つのオプションを比較した。(i)LSTMの入力データはセンサ出力と(ii)制御装置出力から提供される。本論文では,両オプションの賛否と短所を示した。Edge Tensor処理ユニットに訓練されたLSTMモデルを展開した。そのために,このモデルを量子化し,すなわち,32ビット浮動点数(重みと活性化出力のような)を,最も近い8ビット固定点数に変換し,TensorFlow Liteモデルに変換した。サンゴUSB加速器は,信号処理のためにラズベリーPi 4Bと結合した。結果は,提案方法の実現可能性を証明した。LSTMモデルを8ビット整数TensorFlow Liteモデルに変換したので,それは企業リアルタイム誤差軽減を可能にした。さらに,システムの軽量と最小電力消費は,ウェアラブルロボットシステムへの統合を可能にする。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *学習 ,  故障 ,  ネットワーク ,  電力消費 ,  信号処理 ,  誤り検出 ,  多重化 ,  角速度 ,  モデル ,  ハードウェア ,  *外骨格 ,  事例研究 ,  *プラットフォーム【通信】
準シソーラス用語： Simulink , 【Automatic Indexing@JST】

分類 (2件)： 固体デバイス計測・試験・信頼性  (NC03040G) ,  半導体集積回路  (NC03162T)

タイトルに関連する用語 (11件)： 計算 ,  リソース ,  制限 ,  プラットフォーム ,  エッジ ,  テンソル ,  処理ユニット ,  支援 ,  外骨格 ,  深層学習 ,  誤差