論文の概要: First Responders Got Wings: UAVs to the Rescue of Localization Operations in Beyond 5G Systems

• arxiv url: http://arxiv.org/abs/2109.03180v3
• Date: Thu, 17 Feb 2022 11:21:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 22:45:41.152602
• Title: First Responders Got Wings: UAVs to the Rescue of Localization Operations in Beyond 5G Systems
• Title（参考訳）: ファーストレスポンダーが翼を得た: beyond 5gシステムにおけるローカライズ操作の救助にuav
• Authors: Antonio Albanese, Vincenzo Sciancalepore, Xavier Costa-P\'erez
• Abstract要約: 無人航空機(UAV)ベースのソリューションは、ローカライゼーションの課題に挑戦する最も有望な候補である。 本稿では,最先端技術のローカライゼーション性能を高めるための主な課題と今後の機会に光を当てることにより,最近利用可能な技術を活用する。
• 参考スコア（独自算出の注目度）: 7.244860161025552
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural and human-made disasters have dramatically increased during the last decades. Given the strong relationship between first responders localization time and the final number of deaths, the modernization of search-and-rescue operations has become imperative. In this context, Unmanned Aerial Vehicles (UAVs)-based solutions are the most promising candidates to take up on the localization challenge by leveraging on emerging technologies such as: Artificial Intelligence (AI), Reconfigurable Intelligent Surfaces (RIS) and Orthogonal Time Frequency Space (OTFS) modulations. In this paper, we capitalize on such recently available techniques by shedding light on the main challenges and future opportunities to boost the localization performance of state-of-the-art techniques to give birth to unprecedentedly effective missing victims localization solutions.
• Abstract（参考訳）: 自然災害や人造災害は過去数十年で劇的に増加している。 第一応答者のローカライゼーション時間と最終死亡数との強い関係を考えると,検索・救助業務の近代化は不可欠である。 この文脈では、無人航空機(UAV)ベースのソリューションは、人工知能(AI)、再構成可能なインテリジェントサーフェス(RIS)、直交時間周波数空間(OTFS)といった新しい技術を活用することで、ローカライゼーションの課題に取り組む最も有望な候補である。 本稿では,前例のない効果的な被害者のローカライズソリューションを生み出すために,最先端技術のローカライズ性能を高めるための,主な課題と今後の機会を浮き彫りにすることで,最近利用可能な手法を生かした。

関連論文リスト

• Selective Exploration and Information Gathering in Search and Rescue Using Hierarchical Learning Guided by Natural Language Input [5.522800137785975]
  本稿では,大規模言語モデル(LLM)と階層的強化学習(HRL)フレームワークを連携させるシステムを提案する。 提案システムは,人間の利害関係者からの言語入力を実用的なRLインサイトへ翻訳し,検索戦略を調整するように設計されている。 LLMによる人為的情報の利用とHRLによるタスク実行の構造化により、長い地平線とスパース報酬を特徴とする環境におけるエージェントの学習効率と意思決定プロセスを大幅に改善する。
  論文  参考訳（メタデータ） (2024-09-20T12:27:47Z)
• Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
  ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。 具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。 実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-05-30T23:20:23Z)
• UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
  本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。 ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:19:22Z)
• Rapid post-disaster infrastructure damage characterisation enabled by remote sensing and deep learning technologies -- a tiered approach [0.4837072536850576]
  交通網や橋梁は戦争中は体系的に標的にされ、自然災害時には被害を受ける。 複数スケールで損傷を自動評価する手法は存在しない。 この能力ギャップを埋める統合的,マルチスケールな階層化手法を提案する。
  論文  参考訳（メタデータ） (2024-01-31T11:36:12Z)
• HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
  HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。 このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
  論文  参考訳（メタデータ） (2024-01-23T18:59:43Z)
• Meta Reinforcement Learning for Strategic IoT Deployments Coverage in Disaster-Response UAV Swarms [5.57865728456594]
  無人航空機(UAV)は、重要な緊急用途に使用される可能性があるとして、学術や産業の研究者の注目を集めている。 これらのアプリケーションには、地上のユーザーに無線サービスを提供し、災害の影響を受けた地域からデータを収集する機能が含まれる。 UAVの限られた資源、エネルギー予算、厳格なミッション完了時間は、これらの用途にUAVを採用する際の課題を提起している。
  論文  参考訳（メタデータ） (2024-01-20T05:05:39Z)
• Winning the CityLearn Challenge: Adaptive Optimization with Evolutionary Search under Trajectory-based Guidance [2.4476800587391234]
  本稿では,最適化の解関数をポリシーとして利用して,逐次的意思決定のための行動を計算する手法を提案する。 我々のエージェントは2021年のCityLearn Challengeでトップにランクインし、ほぼすべての指標において優れたパフォーマンスを実現しました。
  論文  参考訳（メタデータ） (2022-12-04T22:18:38Z)
• Double Q-Learning for Citizen Relocation During Natural Hazards [0.0]
  強化学習アプローチは、自律ロボットが、人で構成される救助隊を待つことなく、自ら移動することで、市民の命を救えるソリューションの展開に使用することができる。 本研究では,部分観測可能なマルコフ決定プロセスに基づく市民移住の解決策を採用する。 その結果, 簡単なシナリオでは100%以上, 難しいシナリオでは50%近くの性能を示した。
  論文  参考訳（メタデータ） (2022-09-08T13:21:15Z)
• Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
  再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。 無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。 本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
  論文  参考訳（メタデータ） (2022-04-28T09:26:14Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)
• Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
  動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
  論文  参考訳（メタデータ） (2020-01-28T15:10:22Z)

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。