論文の概要: Resource Allocation for Mobile Metaverse with the Internet of Vehicles
over 6G Wireless Communications: A Deep Reinforcement Learning Approach
- arxiv url: http://arxiv.org/abs/2209.13425v1
- Date: Tue, 27 Sep 2022 14:28:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 16:50:41.363103
- Title: Resource Allocation for Mobile Metaverse with the Internet of Vehicles
over 6G Wireless Communications: A Deep Reinforcement Learning Approach
- Title（参考訳）: 自動車のインターネットを用いた6g無線通信における移動型メタバースの資源配分:深層強化学習アプローチ
- Authors: Terence Jie Chua, Wenhan Yu, Jun Zhao
- Abstract要約: Metaverseは、物理的な世界オブジェクト、人、アクション、シーンを仮想世界へ複製する手段として、デジタルツインニング(digital twinning)という中心的なアプローチに依存している。
モバイル拡張現実(Mobile Augmented Reality, MAR)の開発により、ユーザは、モビリティの下でも、高度にインタラクティブな方法でMetaverseを介して対話することができる。
我々は,複数のセルステーションを持つ環境を設計し,セルステーション間でユーザの仮想世界グラフィックダウンロードタスクのハンドオーバを行う。
- 参考スコア（独自算出の注目度）: 8.513938423514636
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Improving the interactivity and interconnectivity between people is one of
the highlights of the Metaverse. The Metaverse relies on a core approach,
digital twinning, which is a means to replicate physical world objects, people,
actions and scenes onto the virtual world. Being able to access scenes and
information associated with the physical world, in the Metaverse in real-time
and under mobility, is essential in developing a highly accessible, interactive
and interconnective experience for all users. This development allows users
from other locations to access high-quality real-world and up-to-date
information about events happening in another location, and socialize with
others hyper-interactively. Nevertheless, receiving continual, smooth updates
generated by others from the Metaverse is a challenging task due to the large
data size of the virtual world graphics and the need for low latency
transmission. With the development of Mobile Augmented Reality (MAR), users can
interact via the Metaverse in a highly interactive manner, even under mobility.
Hence in our work, we considered an environment with users in moving Internet
of Vehicles (IoV), downloading real-time virtual world updates from Metaverse
Service Provider Cell Stations (MSPCSs) via wireless communications. We design
an environment with multiple cell stations, where there will be a handover of
users' virtual world graphic download tasks between cell stations. As
transmission latency is the primary concern in receiving virtual world updates
under mobility, our work aims to allocate system resources to minimize the
total time taken for users in vehicles to download their virtual world scenes
from the cell stations. We utilize deep reinforcement learning and evaluate the
performance of the algorithms under different environmental configurations. Our
work provides a use case of the Metaverse over AI-enabled 6G communications.
- Abstract（参考訳）: 人との対話性と相互接続性を改善することは、Metaverseのハイライトのひとつです。
Metaverseは、物理的な世界オブジェクト、人、アクション、シーンを仮想世界へ複製する手段として、デジタルツインニングという中心的なアプローチに依存している。
物理的な世界に関連するシーンや情報をリアルタイムかつモビリティの下でメタバースでアクセスできることは、すべてのユーザに対して、高度にアクセス可能でインタラクティブで相互接続可能なエクスペリエンスを開発する上で不可欠である。
この開発により、他の場所からのユーザは、他の場所で発生したイベントに関する高品質な実世界および最新の情報にアクセスでき、ハイパーインタラクティブに他の人と交流することができる。
それでも、Metaverseから他者が連続的に生成したスムーズな更新を受け取ることは、仮想世界グラフィックスの大規模なデータサイズと低レイテンシ転送の必要性のため、難しい作業である。
モバイル拡張現実(mar)の開発によって、ユーザはモビリティの下でも、非常にインタラクティブな方法でメタバースを介して対話することができる。
そこで本研究では,インターネット・オブ・ビークルズ(IoV)を移動させ,Metaverse Service Provider Cell Stations(MSPCS)からリアルタイムの仮想世界更新を無線通信でダウンロードする環境について検討した。
我々は,複数のセルステーションを持つ環境を設計し,セルステーション間でユーザの仮想世界グラフィックダウンロードタスクのハンドオーバを行う。
移動環境下での仮想世界更新の受信において,伝送遅延が主な懸念事項であるため,本研究は,車両利用者がセルステーションから仮想世界シーンをダウンロードするのに要する時間を最小限に抑えるために,システムリソースを割り当てることを目的としている。
深層強化学習を活用し,異なる環境条件下でのアルゴリズムの性能評価を行う。
私たちの研究は、AI対応の6G通信におけるMetaverseのユースケースを提供します。
関連論文リスト
- V-IRL: Grounding Virtual Intelligence in Real Life [65.87750250364411]
V-IRLは、エージェントが仮想的で現実的な環境で現実世界と対話することを可能にするプラットフォームである。
私たちのプラットフォームは、様々な実践的なタスクを達成できるエージェントを開発するための遊び場として役立ちます。
論文 参考訳（メタデータ） (2024-02-05T18:59:36Z) - Mobile Edge Computing and AI Enabled Web3 Metaverse over 6G Wireless
Communications: A Deep Reinforcement Learning Approach [10.47302625959368]
インタラクティブで没入的なソーシャル化体験は、Metaverseの約束の1つだ。
メタバースにおけるスムーズでシームレスで没入的な社会化体験に必要な計算は過大評価される。
本稿では,マルチチャネル無線ネットワーク上でのマルチユーザ・ソーシャル化において蓄積された経験を蓄積するための新しいQoSモデルを提案する。
論文 参考訳（メタデータ） (2023-12-11T10:49:47Z) - Metaverse: A Vision, Architectural Elements, and Future Directions for
Scalable and Realtime Virtual Worlds [24.381786472997355]
Metaverseはバーチャルリアリティーと拡張現実を使って物理的な世界を拡張する見込みがある。
ソーシャルメディアとの対話、仕事のコラボレーション、マーケティングとビジネスの実行、教育、学習、さらにはパーソナライズされたヘルスケアへのアクセスなど、人々に影響を及ぼす可能性がある。
本稿ではメタバース定義の時間的進化について述べる。
論文 参考訳（メタデータ） (2023-08-21T08:23:10Z) - Beyond Reality: The Pivotal Role of Generative AI in the Metaverse [98.1561456565877]
本稿では、生成型AI技術がMetaverseをどう形成しているかを包括的に調査する。
我々は、AI生成文字による会話インタフェースを強化しているChatGPTやGPT-3といったテキスト生成モデルの応用を探求する。
また、現実的な仮想オブジェクトを作成する上で、Point-EやLumimithmicのような3Dモデル生成技術の可能性についても検討する。
論文 参考訳（メタデータ） (2023-07-28T05:44:20Z) - Towards Ubiquitous Semantic Metaverse: Challenges, Approaches, and
Opportunities [68.03971716740823]
近年,拡張現実(AR)および仮想現実(VR)ユーザーのための没入型サイバーバーチャル体験に革命をもたらすために,ユビキタスセマンティック・メタバースが研究されている。
この調査は、ユビキタスメタバースにおける4つの基本システムコンポーネントの表現とインテリジェンスに焦点を当てる。
論文 参考訳（メタデータ） (2023-07-13T11:14:46Z) - Mobile Edge Adversarial Detection for Digital Twinning to the Metaverse
with Deep Reinforcement Learning [8.513938423514636]
拡張現実(AR)支援運転など、無数の応用のためには、物理世界シーンをメタバースにリアルタイムにデジタルツインニングする必要がある。
AR支援運転では、物理的環境シーンはまずInternet of Vehicles (IoVs)によって捉えられ、Metaverseにアップロードされる。
中央メタバースマップサービスプロバイダ(MMSP)は、すべてのIoVから情報を収集し、中央メタバースマップを開発する。
Metaverse Mapからの情報はオンデマンドで個々のIoVにダウンロードでき、ドライバーにARシーンとして配信される。
論文 参考訳（メタデータ） (2023-03-18T00:03:50Z) - Virtual Reality in Metaverse over Wireless Networks with User-centered
Deep Reinforcement Learning [8.513938423514636]
無線通信シナリオ上でのマルチユーザVR計算のオフロードについて紹介する。
さらに, ユーザ中心の深層強化学習手法を考案し, ほぼ最適解を求める。
論文 参考訳（メタデータ） (2023-03-08T03:10:41Z) - Generative AI-empowered Effective Physical-Virtual Synchronization in
the Vehicular Metaverse [129.8037449161817]
本稿では,車載メタバースのための生成AIを利用した物理仮想同期フレームワークを提案する。
仮想と物理の同期において、MARは、ユーザの好みに基づいた生成AIモデルを通じて、多彩で個人的なARレコメンデーションをカスタマイズする。
論文 参考訳（メタデータ） (2023-01-18T16:25:42Z) - Mobile Edge Computing for the Metaverse [15.738852406775289]
次世代のインターネットとして登場したMetaverseは、人々が生き、学び、働き、相互に対話できる没入的で永続的な仮想空間を提供することを目指している。
既存の技術は、Metaverseプレイヤーにとって、高品質で超低レイテンシなサービスを保証するには不十分である。
モバイルエッジコンピューティング(英語: Mobile Edge Computing、MEC)は、画像処理やビデオ解析のような計算集約的で遅延に敏感なタスクを実行するために、近縁サーバを利用するパラダイムである。
論文 参考訳（メタデータ） (2022-12-19T03:37:32Z) - A Full Dive into Realizing the Edge-enabled Metaverse: Visions, Enabling
Technologies,and Challenges [93.06849621984684]
モバイルインターネットの後継である「メタバース」の人気が高まっている。
メタバースの礼儀正しいバージョンは現存しているが、没入的で具現化され、相互運用可能なメタバースの完全なビジョンを実現するには程遠い。
通信やネットワークによる実装の問題に対処しない限り、Metaverseはインターネットを継承することは困難である。
本稿では、リソース制約のあるエッジデバイス上でのメタバースを実現するために、計算課題とクラウド・エッジ・コンピューティング・フレームワーク駆動のソリューションについて議論する。
論文 参考訳（メタデータ） (2022-03-10T16:48:51Z) - iGibson, a Simulation Environment for Interactive Tasks in Large
Realistic Scenes [54.04456391489063]
iGibsonは、大規模な現実的なシーンにおける対話的なタスクのためのロボットソリューションを開発するための、新しいシミュレーション環境である。
私たちの環境には、厳密で明瞭な物体が密集した15のインタラクティブなホームサイズシーンが含まれています。
iGibsonの機能はナビゲーションエージェントの一般化を可能にし、人間-iGibsonインターフェースと統合されたモーションプランナーは、単純な人間の実演行動の効率的な模倣学習を促進する。
論文 参考訳（メタデータ） (2020-12-05T02:14:17Z)
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。