論文の概要: Hybrid Policy Learning for Energy-Latency Tradeoff in MEC-Assisted VR Video Service

• arxiv url: http://arxiv.org/abs/2104.01036v1
• Date: Fri, 2 Apr 2021 13:17:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 13:40:15.811396
• Title: Hybrid Policy Learning for Energy-Latency Tradeoff in MEC-Assisted VR Video Service
• Title（参考訳）: MEC支援VRビデオサービスにおける省エネルギートレードオフのためのハイブリッド政策学習
• Authors: Chong Zheng and Shengheng Liu and Yongming Huang and Luxi Yang
• Abstract要約: モバイルエッジコンピューティングネットワーク上で、ワイヤレスマルチタイルVRビデオサービスの提供を検討する。 私たちはまず、時間によって変化するビューの人気をモデルフリーのマルコフチェーンとみなした。 次に、動的キャッシュ置換と決定論的オフロードを調整するためにハイブリッドポリシーが実装される。
• 参考スコア（独自算出の注目度）: 35.31115954442725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Virtual reality (VR) is promising to fundamentally transform a broad spectrum of industry sectors and the way humans interact with virtual content. However, despite unprecedented progress, current networking and computing infrastructures are incompetent to unlock VR's full potential. In this paper, we consider delivering the wireless multi-tile VR video service over a mobile edge computing (MEC) network. The primary goal is to minimize the system latency/energy consumption and to arrive at a tradeoff thereof. To this end, we first cast the time-varying view popularity as a model-free Markov chain to effectively capture its dynamic characteristics. After jointly assessing the caching and computing capacities on both the MEC server and the VR playback device, a hybrid policy is then implemented to coordinate the dynamic caching replacement and the deterministic offloading, so as to fully utilize the system resources. The underlying multi-objective problem is reformulated as a partially observable Markov decision process, and a deep deterministic policy gradient algorithm is proposed to iteratively learn its solution, where a long short-term memory neural network is embedded to continuously predict the dynamics of the unobservable popularity. Simulation results demonstrate the superiority of the proposed scheme in achieving a trade-off between the energy efficiency and the latency reduction over the baseline methods.
• Abstract（参考訳）: 仮想現実(VR)は、産業分野や人間がバーチャルコンテンツと対話する方法を根本的に変えることを約束している。 しかし、前例のない進歩にもかかわらず、現在のネットワークとコンピューティングのインフラは、VRの持つ大きな可能性を解き明かすには無力です。 本稿では,モバイルエッジコンピューティング(MEC)ネットワーク上で無線マルチタイルVRビデオサービスを実現することを検討する。 主な目標は、システムのレイテンシ/エネルギー消費を最小化し、そのトレードオフに到達することです。 この目的のために、我々はまず、その動的特性を効果的に捉えるために、時間変動ビューの人気をモデルのないマルコフ連鎖として表現した。 MECサーバとVR再生装置の両方のキャッシュと計算能力を共同で評価した後、動的キャッシュ置換と決定論的オフロードを協調させてシステムリソースを十分に活用するためのハイブリッドポリシーが実装される。 下位の多目的問題は部分的に観測可能なマルコフ決定過程として再構成され、その解を反復的に学習するために深い決定論的ポリシー勾配アルゴリズムが提案され、長期の短期記憶ニューラルネットワークが組み込まれて観測不能な人気のダイナミクスを継続的に予測する。 シミュレーションの結果,提案手法がベースライン法よりもエネルギー効率と遅延低減のトレードオフを達成する上で優れていることを示す。

関連論文リスト

• Distributed Multi-Objective Dynamic Offloading Scheduling for Air-Ground Cooperative MEC [13.71241401034042]
  本稿では,MORLとカーネル手法を統合した分散軌道計画とオフロードスケジューリング手法を提案する。 数値的な結果から,n段階の戻り値はカーネルベースのアプローチに有効であり,長期平均バックログ性能の大幅な向上が期待できることがわかった。
  論文  参考訳（メタデータ） (2024-03-16T13:50:31Z)
• WiserVR: Semantic Communication Enabled Wireless Virtual Reality Delivery [12.158124978097982]
  本稿では,VRユーザに対して連続した360度ビデオフレームを提供するための,Wireless SEmantic deliveRy for VR(WiserVR)という新しいフレームワークを提案する。 ディープラーニングベースの複数のモジュールは、WiserVRのトランシーバとしてよく設計されており、高性能な特徴抽出とセマンティックリカバリを実現している。
  論文  参考訳（メタデータ） (2022-11-02T16:22:41Z)
• Age of Semantics in Cooperative Communications: To Expedite Simulation Towards Real via Offline Reinforcement Learning [53.18060442931179]
  協調リレー通信システムにおける状態更新のセマンティックス更新度を測定するための意味学年代(AoS)を提案する。 オンライン・ディープ・アクター・クリティック(DAC)学習手法を,政治時間差学習の枠組みに基づいて提案する。 そこで我々は,以前に収集したデータセットから最適制御ポリシーを推定する,新しいオフラインDAC方式を提案する。
  論文  参考訳（メタデータ） (2022-09-19T11:55:28Z)
• Short-Term Trajectory Prediction for Full-Immersive Multiuser Virtual Reality with Redirected Walking [6.622115542749609]
  完全没入型マルチユーザーバーチャルリアリティ(VR)は、仮想世界のユーザの制約のないモビリティをサポートすることを想定している。 RNN ファミリーの別の候補である Gated Recurrent Unit (GRU) ネットワークは、一般的に従来の LSTM よりも優れていることを示す。 第2に、仮想世界からのコンテキストは、追加の入力機能として使用すれば、予測の精度を高めることができることを示す。
  論文  参考訳（メタデータ） (2022-07-15T15:09:07Z)
• Distributed Reinforcement Learning for Privacy-Preserving Dynamic Edge Caching [91.50631418179331]
  MECネットワークにおけるデバイスのキャッシュヒット率を最大化するために,プライバシ保護型分散ディープポリシー勾配(P2D3PG)を提案する。 分散最適化をモデルフリーなマルコフ決定プロセス問題に変換し、人気予測のためのプライバシー保護フェデレーション学習手法を導入する。
  論文  参考訳（メタデータ） (2021-10-20T02:48:27Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)
• One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
  高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。 ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。 結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
  論文  参考訳（メタデータ） (2020-05-05T08:00:07Z)
• Accelerating Deep Reinforcement Learning With the Aid of Partial Model: Energy-Efficient Predictive Video Streaming [97.75330397207742]
  深層強化学習を用いて,モバイルネットワーク上でのエネルギー効率の高いビデオストリーミングのための予測電力割り当てを考案した。 連続状態と行動空間を扱うために、我々はDeep Deterministic Policy gradient (DDPG)アルゴリズムを利用する。 シミュレーションの結果,提案手法は完全大規模チャネル予測に基づいて導出される最適方針に収束することが示された。
  論文  参考訳（メタデータ） (2020-03-21T17:36:53Z)

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。