論文の概要: Predictive Quality of Service (PQoS): The Next Frontier for Fully Autonomous Systems

• arxiv url: http://arxiv.org/abs/2109.09376v1
• Date: Mon, 20 Sep 2021 08:55:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:04:06.057534
• Title: Predictive Quality of Service (PQoS): The Next Frontier for Fully Autonomous Systems
• Title（参考訳）: prediction quality of service (pqos): 完全自律システムのための次のフロンティア
• Authors: Mate Boban, Marco Giordani, Michele Zorzi
• Abstract要約: 自律システムにおいて予測(PQoS)を可能にする方法を提案する。 ネットワーク予測の恩恵を特に受けるユースケースについて論じる。 そして、今後の研究に向けてまだオープンな分野の課題について、光を当てた。
• 参考スコア（独自算出の注目度）: 29.362590041588454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in software, hardware, computing and control have fueled significant progress in the field of autonomous systems. Notably, autonomous machines should continuously estimate how the scenario in which they move and operate will evolve within a predefined time frame, and foresee whether or not the network will be able to fulfill the agreed Quality of Service (QoS). If not, appropriate countermeasures should be taken to satisfy the application requirements. Along these lines, in this paper we present possible methods to enable predictive QoS (PQoS) in autonomous systems, and discuss which use cases will particularly benefit from network prediction. Then, we shed light on the challenges in the field that are still open for future research. As a case study, we demonstrate whether machine learning can facilitate PQoS in a teleoperated-driving-like use case, as a function of different measurement signals.
• Abstract（参考訳）: ソフトウェア、ハードウェア、コンピューティング、制御の最近の進歩は、自律システムの分野で大きな進歩をもたらした。 特に、自律的なマシンは、事前に定義された時間枠内で、自分たちの移動と運用のシナリオがどのように進化するかを継続的に見積もり続け、ネットワークが合意されたサービス品質(qos)を満たせるかどうかを予測すべきである。 そうでない場合は、アプリケーション要件を満たすために適切な対策を講じるべきです。 そこで本研究では,自律システムにおいて予測qos(pqos)を実現する手法を提案し,ネットワーク予測の利点となるユースケースについて議論する。 そして、今後の研究のためにまだオープンになっている分野の課題に光を当てた。 ケーススタディでは、異なる計測信号の関数として、遠隔操作運転のようなユースケースで機械学習がPQoSを促進できるかどうかを示す。

関連論文リスト

• A Roadmap for Simulation-Based Testing of Autonomous Cyber-Physical Systems: Challenges and Future Direction [5.742965094549775]
  本稿では,自律システムのシミュレーションに基づくテストの戦略的ロードマップを開拓する。 本稿では,テスト自動化と品質保証に着目し,ACPSの課題と障害について論じる。
  論文  参考訳（メタデータ） (2024-05-02T07:42:33Z)
• QoS prediction in radio vehicular environments via prior user information [54.853542701389074]
  セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。 具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
  論文  参考訳（メタデータ） (2024-02-27T17:05:41Z)
• DISTINQT: A Distributed Privacy Aware Learning Framework for QoS Prediction for Future Mobile and Wireless Networks [2.114401279266792]
  5Gと6G以上のネットワークは、あるレベルのQuality of Service(QoS)に依存してスムーズな運用を行う、新しくて挑戦的なユースケースとアプリケーションをサポートすることが期待されている。 タイムリーな方法での予測は、特に車両通信の場合のように、安全クリティカルな応用において非常に重要である。 DisTINQTは、予測のための新しいマルチヘッド入力対応分散学習フレームワークである。
  論文  参考訳（メタデータ） (2024-01-15T13:00:48Z)
• Interpretable Self-Aware Neural Networks for Robust Trajectory Prediction [50.79827516897913]
  本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。 実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-16T06:28:20Z)
• Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural Networks on Edge NPUs [74.83613252825754]
  スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。 これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。 そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
  論文  参考訳（メタデータ） (2022-09-27T15:04:01Z)
• Human-in-the-Loop Large-Scale Predictive Maintenance of Workstations [89.51621054382878]
  予測保守(英: Predictive maintenance, PdM)とは、システムの状態の統計的解析に基づいて、保守作業のスケジューリングを行うタスクである。 本稿では,機械学習システムがワークステーションの集合における将来の問題を予測できるPdM手法を提案する。
  論文  参考訳（メタデータ） (2022-06-23T09:40:46Z)
• A Reinforcement Learning Framework for PQoS in a Teleoperated Driving Scenario [18.54699818319184]
  PQoS機能を実装したRANレベルで実装された新しいエンティティの設計を提案する。 具体的には,学習者の報酬関数の設計に焦点をあて,要求が満たされない場合,見積もりを適切な対策に変換することができる。 我々は, ns-3シミュレーションを用いて, 遠隔運転のようなシナリオにおいて, エンドユーザーのQoE(Quality of Experience, QoE)パフォーマンスにおいて, 最良のトレードオフを実現することを実証した。
  論文  参考訳（メタデータ） (2022-02-04T02:59:16Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
  近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。 ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。 本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
  論文  参考訳（メタデータ） (2021-07-28T10:28:05Z)

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。