論文の概要: Simulation of machine learning-based 6G systems in virtual worlds
- arxiv url: http://arxiv.org/abs/2204.09518v1
- Date: Fri, 15 Apr 2022 15:42:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-24 15:44:17.472403
- Title: Simulation of machine learning-based 6G systems in virtual worlds
- Title(参考訳): 仮想空間における機械学習に基づく6Gシステムのシミュレーション
- Authors: Ailton Oliveira, Felipe Bastos, Isabela Trindade, Walter Frazao,
Arthur Nascimento, Diego Gomes, Francisco Muller, Aldebaro Klautau
- Abstract要約: 6Gシステムは、仮想世界に依存するユースケースをサポートするだけでなく、その豊富なコンテキスト情報によって、パフォーマンスを改善し、通信オーバーヘッドを減らすことができる。
本稿では,カメラや他のセンサが捉えた環境の3次元表現に依存する6Gシステムのシミュレーションに焦点をあてる。
- 参考スコア(独自算出の注目度): 0.14072064932290224
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital representations of the real world are being used in many
applications, such as augmented reality. 6G systems will not only support use
cases that rely on virtual worlds but also benefit from their rich contextual
information to improve performance and reduce communication overhead. This
paper focuses on the simulation of 6G systems that rely on a 3D representation
of the environment, as captured by cameras and other sensors. We present new
strategies for obtaining paired MIMO channels and multimodal data. We also
discuss trade-offs between speed and accuracy when generating channels via ray
tracing. We finally provide beam selection simulation results to assess the
proposed methodology.
- Abstract(参考訳): 現実世界のデジタル表現は、拡張現実のような多くのアプリケーションで使われている。
6Gシステムは仮想世界に依存するユースケースをサポートするだけでなく、その豊富なコンテキスト情報によって、パフォーマンスを改善し、通信オーバーヘッドを減らすことができる。
本稿では,カメラや他のセンサが捉えた環境の3次元表現に依存する6Gシステムのシミュレーションに焦点をあてる。
ペアMIMOチャネルとマルチモーダルデータを得るための新しい戦略を提案する。
また、レイトレーシングによるチャネル生成における速度と精度のトレードオフについても論じる。
提案手法を評価するために,最終的にビーム選択シミュレーション結果を提供する。
関連論文リスト
- Closing the Visual Sim-to-Real Gap with Object-Composable NeRFs [59.12526668734703]
本稿では,オブジェクト合成可能なNeRFモデルであるComposable Object Volume NeRF(COV-NeRF)を紹介する。
COV-NeRFは、実際の画像からオブジェクトを抽出し、それらを新しいシーンに合成し、フォトリアリスティックなレンダリングと多くのタイプの2Dおよび3D監視を生成する。
論文 参考訳(メタデータ) (2024-03-07T00:00:02Z) - Vision-Assisted Digital Twin Creation for mmWave Beam Management [9.608394183713717]
本稿では,1台のカメラと位置情報にのみ依存する,実用的なDigital Twin生成パイプラインとチャネルシミュレータを提案する。
本研究では,ビーム取得における下流サブタスクにおいて,3次元環境を明示的にモデル化しない手法と比較して,性能上の利点を示す。
論文 参考訳(メタデータ) (2024-01-31T12:23:55Z) - Federated Multi-View Synthesizing for Metaverse [52.59476179535153]
メタバースは没入型エンターテイメント、教育、ビジネスアプリケーションを提供すると期待されている。
無線ネットワーク上のバーチャルリアリティ(VR)伝送は、データと計算集約である。
我々は,メタバースにおける無線コンテンツ配信のために,効率的な合成,記憶,通信資源を提供する,新しい多視点合成フレームワークを開発した。
論文 参考訳(メタデータ) (2023-12-18T13:51:56Z) - Hands-Up: Leveraging Synthetic Data for Hands-On-Wheel Detection [0.38233569758620045]
この研究は、ドライバモニタリングシステムのトレーニングに合成フォトリアリスティックインキャビンデータを使用することを実証する。
プラットフォームでエラー解析を行い、欠落したエッジケースを生成することで、パフォーマンスが向上することを示す。
これは、人間中心の合成データが現実世界にうまく一般化する能力を示している。
論文 参考訳(メタデータ) (2022-05-31T23:34:12Z) - Inferring Articulated Rigid Body Dynamics from RGBD Video [18.154013621342266]
我々は,逆レンダリングと微分可能なシミュレーションを組み合わせるパイプラインを導入し,実世界の調音機構のディジタルツインを作成する。
本手法はロボットが操作する関節機構のキネマティックツリーを正確に再構築する。
論文 参考訳(メタデータ) (2022-03-20T08:19:02Z) - Towards Scale Consistent Monocular Visual Odometry by Learning from the
Virtual World [83.36195426897768]
仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。
まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。
結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
論文 参考訳(メタデータ) (2022-03-11T01:51:54Z) - Towards Optimal Strategies for Training Self-Driving Perception Models
in Simulation [98.51313127382937]
合成ドメインのみにおけるラベルの使用に焦点を当てる。
提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。
マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
論文 参考訳(メタデータ) (2021-11-15T18:37:43Z) - Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial
Observability in Visual Navigation [62.22058066456076]
強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。
RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。
本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
論文 参考訳(メタデータ) (2020-07-27T17:46:59Z) - SimAug: Learning Robust Representations from Simulation for Trajectory
Prediction [78.91518036949918]
本研究では,シミュレーション学習データの拡張により,ロバスト表現を学習する新しい手法を提案する。
我々は,SimAugが実世界の3つのベンチマークで有望な結果を得ることを示す。
論文 参考訳(メタデータ) (2020-04-04T21:22:01Z)
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。