論文の概要: Communication-Efficient Massive UAV Online Path Control: Federated
Learning Meets Mean-Field Game Theory
- arxiv url: http://arxiv.org/abs/2003.04451v2
- Date: Wed, 12 Aug 2020 12:36:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 09:40:22.727075
- Title: Communication-Efficient Massive UAV Online Path Control: Federated
Learning Meets Mean-Field Game Theory
- Title（参考訳）: コミュニケーション効率の良い大規模UAVオンラインパス制御:フェデレートラーニングと平均ゲーム理論
- Authors: Hamid Shiri, Jihong Park, and Mehdi Bennis
- Abstract要約: 本報告では,無人機などの無人機集団の制御について検討する。
群れを作るための相互作用を考慮し、UAVの直接的な制御方法は、巨大なUAV間通信を必要とする。
1つの制御方法は、UAV間の通信を大幅に削減する平均フィールドゲーム(MFG)フレームワークを適用することである。
- 参考スコア（独自算出の注目度）: 45.72106820199211
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates the control of a massive population of UAVs such as
drones. The straightforward method of control of UAVs by considering the
interactions among them to make a flock requires a huge inter-UAV communication
which is impossible to implement in real-time applications. One method of
control is to apply the mean-field game (MFG) framework which substantially
reduces communications among the UAVs. However, to realize this framework,
powerful processors are required to obtain the control laws at different UAVs.
This requirement limits the usage of the MFG framework for real-time
applications such as massive UAV control. Thus, a function approximator based
on neural networks (NN) is utilized to approximate the solutions of
Hamilton-Jacobi-Bellman (HJB) and Fokker-Planck-Kolmogorov (FPK) equations.
Nevertheless, using an approximate solution can violate the conditions for
convergence of the MFG framework. Therefore, the federated learning (FL)
approach which can share the model parameters of NNs at drones, is proposed
with NN based MFG to satisfy the required conditions. The stability analysis of
the NN based MFG approach is presented and the performance of the proposed
FL-MFG is elaborated by the simulations.
- Abstract（参考訳）: 本稿では,ドローンなど多数のuavの制御について検討する。
uavの制御は、それら間の相互作用を考慮し、群れを作るための簡単な方法であり、リアルタイムアプリケーションでは実装できない巨大なuav間通信を必要とする。
1つの制御方法は、UAV間の通信を大幅に削減する平均フィールドゲーム(MFG)フレームワークを適用することである。
しかし、この枠組みを実現するために、強力なプロセッサは異なるUAVにおける制御法則を得る必要がある。
この要件は、大規模なUAV制御のようなリアルタイムアプリケーションに対するMFGフレームワークの使用を制限する。
そこで,ニューラルネットワーク(nn)に基づく関数近似器を用いて,ハミルトン・ヤコビ・ベルマン方程式(hjb)とフォッカー・プランク・コルモゴロフ方程式(fpk)の解を近似する。
それでも、近似解を用いることで、MFGフレームワークの収束条件を破ることができる。
したがって、ドローンにおけるNNのモデルパラメータを共有できるフェデレートラーニング(FL)アプローチは、要求条件を満たすためにNNベースのMFGを用いて提案される。
NNベースのMFG手法の安定性解析を行い,提案するFL-MFGの性能をシミュレーションにより詳細に検討した。
関連論文リスト
- UAV-assisted Unbiased Hierarchical Federated Learning: Performance and Convergence Analysis [16.963596661873954]
HFL(Hierarchical Federated Learning)は、エッジデバイス間で学習を分散し、グローバルインテリジェンスに到達するための重要なパラダイムである。
HFLでは、各エッジデバイスが各データを使用してローカルモデルをトレーニングし、更新されたモデルパラメータをエッジサーバに送信し、ローカルアグリゲーションを行う。
本稿では無人航空機(UAV)支援無線ネットワークのための非バイアスHFLアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-05T06:23:01Z) - Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。
本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T12:36:08Z) - UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper [115.56455278813756]
航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。
本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
論文 参考訳（メタデータ） (2023-10-03T11:47:01Z) - Federated Learning in UAV-Enhanced Networks: Joint Coverage and
Convergence Time Optimization [16.265792031520945]
フェデレートラーニング(FL)には、ローカルデータを転送することなく、共有モデルを協調的にトレーニングする複数のデバイスが含まれる。
FLは通信のオーバーヘッドを減らし、エネルギー資源の少ないUAV強化無線ネットワークにおいて有望な学習方法となる。
この可能性にもかかわらず、UAVに強化されたネットワークにFLを実装することは困難であり、カバー範囲を最大化する従来のUAV配置手法はFL遅延を増大させる。
論文 参考訳（メタデータ） (2023-08-31T17:50:54Z) - Joint Optimization of Deployment and Trajectory in UAV and IRS-Assisted
IoT Data Collection System [25.32139119893323]
無人航空機(UAV)は多くのモノのインターネット(IoT)システムに適用できる。
UAV-IoT無線チャネルは、時には木や高層建築物によってブロックされることがある。
本稿では,UAVの展開と軌道を最適化することで,システムのエネルギー消費を最小化することを目的とする。
論文 参考訳（メタデータ） (2022-10-27T06:27:40Z) - Wireless-Enabled Asynchronous Federated Fourier Neural Network for
Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。
UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。
GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
論文 参考訳（メタデータ） (2021-12-26T14:41:52Z) - Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT
Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement
Learning Approach [56.84948632954274]
本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。
本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。
提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
論文 参考訳（メタデータ） (2021-12-20T15:45:28Z) - Federated Learning on the Road: Autonomous Controller Design for
Connected and Autonomous Vehicles [109.71532364079711]
CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案
CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。
最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
論文 参考訳（メタデータ） (2021-02-05T19:57:47Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
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。