Fugu-MT 論文翻訳(概要): Vision-Aided Dynamic Blockage Prediction for 6G Wireless Communication Networks

論文の概要: Vision-Aided Dynamic Blockage Prediction for 6G Wireless Communication Networks

arxiv url: http://arxiv.org/abs/2006.09902v2
Date: Thu, 18 Jun 2020 03:09:15 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 21:28:53.076031
Title: Vision-Aided Dynamic Blockage Prediction for 6G Wireless Communication Networks
Title（参考訳）: 6G無線通信ネットワークにおける視覚支援動的ブロック予測
Authors: Gouranga Charan, Muhammad Alrabeiah, and Ahmed Alkhateeb
Abstract要約: 本稿では,テクトダイナミックリンクブロックを積極的に予測する新しい手法を提案する。観測されたRGB画像とビームフォーミングベクターのシーケンスから、将来のリンクブロックを予測する方法を学ぶ。リンクブロック予測精度は86%であり、視覚的データを使わずに一致しない。
参考スコア（独自算出の注目度）: 11.626009272815816
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Unlocking the full potential of millimeter-wave and sub-terahertz wireless communication networks hinges on realizing unprecedented low-latency and high-reliability requirements. The challenge in meeting those requirements lies partly in the sensitivity of signals in the millimeter-wave and sub-terahertz frequency ranges to blockages. One promising way to tackle that challenge is to help a wireless network develop a sense of its surrounding using machine learning. This paper attempts to do that by utilizing deep learning and computer vision. It proposes a novel solution that proactively predicts \textit{dynamic} link blockages. More specifically, it develops a deep neural network architecture that learns from observed sequences of RGB images and beamforming vectors how to predict possible future link blockages. The proposed architecture is evaluated on a publicly available dataset that represents a synthetic dynamic communication scenario with multiple moving users and blockages. It scores a link-blockage prediction accuracy in the neighborhood of 86\%, a performance that is unlikely to be matched without utilizing visual data.
Abstract（参考訳）: ミリ波およびサブテラヘルツ無線通信網の完全なポテンシャルを解き放つことは、前例のない低レイテンシと高信頼性の要求を実現することにつながる。これらの要件を満たす上での課題は、ミリ波およびサブテラヘルツ周波数範囲の信号の遮断に対する感度にある。この課題に取り組む有望な方法の1つは、ワイヤレスネットワークが機械学習を使って周囲の感覚を育むのを助けることだ。本稿では,ディープラーニングとコンピュータビジョンを用いてその実現を試みる。これは、 \textit{dynamic} リンクブロックを積極的に予測する新しいソリューションを提案する。より具体的には、RGB画像とビームフォーミングベクターの観測シーケンスから将来のリンクブロックを予測する方法を学ぶディープニューラルネットワークアーキテクチャを開発する。提案アーキテクチャは,複数の移動ユーザとブロックを持つ合成動的通信シナリオを表す,公開データセットで評価される。 86\%付近でリンクブロック予測精度をスコアするが、視覚データを用いずには一致しない。

関連論文リスト

ViT LoS V2X: Vision Transformers for Environment-aware LoS Blockage Prediction for 6G Vehicular Networks [20.953587995374168]
我々は、畳み込みニューラルネットワーク(CNN)とカスタマイズされた視覚変換器(ViT)を組み合わせたディープラーニングベースのアプローチを提案する。提案手法は,時系列マルチモーダルデータから特徴を抽出するために,CNNとViTの相乗的強みを利用する。その結果,提案手法は精度が高く,最先端のソリューションよりも優れ,95%以上の精度で予測できることがわかった。
論文参考訳（メタデータ） (2024-06-27T01:38:09Z)
Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文参考訳（メタデータ） (2023-12-08T13:50:30Z)
Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文参考訳（メタデータ） (2023-09-23T00:05:39Z)
Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文参考訳（メタデータ） (2022-08-17T03:00:24Z)
Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文参考訳（メタデータ） (2022-05-22T07:11:57Z)
Computer Vision Aided Blockage Prediction in Real-World Millimeter Wave Deployments [11.842197872454848]
本稿では,インフラストラクチャノードに設置したカメラが捉えた視覚データを処理するコンピュータビジョンベースのソリューションを開発する。採用されている実世界のデータセットに基づいて、開発済みのソリューションは、将来発生する障害を予測する上で、$approx 90%の精度を実現している。
論文参考訳（メタデータ） (2022-03-03T18:38:10Z)
Can one hear the shape of a neural network?: Snooping the GPU via Magnetic Side Channel [42.75879156429477]
我々は、加速ハードウェア間のブラックボックスとして展開されるニューラルネットワークの脆弱性を電磁的側チャネルを通じて調査する。攻撃は、未知の入力値を持つ1つのクエリに対して、既知の入力次元を持つ磁気信号を取得する。我々は、このサイドチャネル攻撃が広範囲のネットワークアーキテクチャの細部を復元する際の潜在的な精度を実証する。
論文参考訳（メタデータ） (2021-09-15T16:00:05Z)
MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文参考訳（メタデータ） (2021-07-22T03:10:51Z)
Vision-Aided 6G Wireless Communications: Blockage Prediction and Proactive Handoff [15.682727572668826]
遮断に対する感度は、高周波(5Gミリ波と6Gサブテラヘルツ)無線ネットワークにとって重要な課題です。信頼性とレイテンシの課題に取り組む有望な方法は、無線ネットワークのプロアクションを可能にすることだ。本稿では,bimodal machine learningを用いた視覚支援型無線通信ソリューションを提案する。
論文参考訳（メタデータ） (2021-02-18T18:12:20Z)
Deep Learning for Moving Blockage Prediction using Real Millimeter Wave Measurements [18.365889583730507]
ミリ波(mmWave)通信は5G以降の重要なコンポーネントである。視覚リンクラインの突然の遮断は、ネットワークの信頼性に影響を与える突然の切断につながります。我々は,ブロック前シグネチャと呼ぶものを観測することで,将来のブロックを予測する機械学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-18T05:34:37Z)
Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。