論文の概要: Cooperative Multi-Agent Deep Reinforcement Learning for Reliable and
Energy-Efficient Mobile Access via Multi-UAV Control
- arxiv url: http://arxiv.org/abs/2210.00945v1
- Date: Mon, 3 Oct 2022 14:01:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 17:37:17.823462
- Title: Cooperative Multi-Agent Deep Reinforcement Learning for Reliable and
Energy-Efficient Mobile Access via Multi-UAV Control
- Title（参考訳）: マルチUAV制御による信頼性・エネルギー効率の高いモバイルアクセスのための協調的マルチエージェント深層強化学習
- Authors: Chanyoung Park, Haemin Lee, Won Joon Yun, Soyi Jung, Carlos Cordeiro,
and Joongheon Kim
- Abstract要約: 本稿では,新しいマルチエージェント・ディープ・強化学習(MADRL)に基づくモバイル・アクセス・サービスのための無人多目的航空機位置決めアルゴリズムについて述べる。
エネルギー効率のよいUAV運転では,提案アルゴリズムの報奨はUAVエネルギー消費モデルの特徴を含む。
信頼性の高い無線通信サービスでは、個々のユーザのQoS(Quality of Service)要件が報酬の一部として考慮される。
- 参考スコア（独自算出の注目度）: 13.569112484230693
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses a novel multi-agent deep reinforcement learning
(MADRL)-based multiple unmanned aerial vehicles (UAV) positioning algorithm for
reliable mobile access services (i.e., UAVs work as mobile base stations),
where the MADRL is designed by the concept of centralized training and
distributed execution (CTDE) for multi-agent cooperation and coordination. The
reliable mobile access services can be achieved in following two ways, i.e.,
(i) energy-efficient UAV operation and (ii) reliable wireless communication
services. For energy-efficient UAV operation, the reward of our proposed MADRL
algorithm contains the features for UAV energy consumption models in order to
realize efficient operations. Furthermore, for reliable wireless communication
services, the quality of service (QoS) requirements of individual users are
considered as a part of rewards and 60GHz mmWave radio is used for mobile
access. This paper considers the 60GHz mmWave access for utilizing the benefits
of (i) ultra-wide-bandwidth for multi-Gbps high-speed communications and (ii)
high-directional communications for spatial reuse that is obviously good for
densely deployed users. Lastly, the performance of our proposed MADRL-based
multi-UAV positioning algorithm is evaluated; and it can be confirmed that the
proposed algorithm outperforms the other existing algorithms.
- Abstract（参考訳）: 本稿では,マルチエージェント協調・協調のための集中型訓練・分散実行(CTDE)の概念を用いてMADRLを設計した,信頼性の高いモバイルアクセスサービス(UAVを移動基地局として機能する)のための,MADRLに基づく新規な無人航空機位置決めアルゴリズムについて述べる。
信頼できるモバイルアクセスサービスは、以下の2つの方法で実現できる。
(i)エネルギー効率の高いuav運転及び
(ii)信頼できる無線通信サービス。
エネルギー効率のよいUAV運用において,提案アルゴリズムの報奨は,効率的な運用を実現するために,UAVエネルギー消費モデルの特徴を含む。
さらに、信頼性の高い無線通信サービスでは、個々のユーザのqos(quality of service)要件が報奨の一部として考慮され、60ghzmm波無線がモバイルアクセスに使用される。
本稿では、60GHzmmWaveアクセスによる利点の活用について考察する。
(i)マルチgbps高速通信と超広帯域化
(II)高度に配置されたユーザにとって明らかな空間再利用のための高方向通信。
最後に,MADRLに基づくマルチUAV位置決めアルゴリズムの性能を評価し,提案アルゴリズムが既存のアルゴリズムよりも優れていることを確認した。
関連論文リスト
- 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) - UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper [115.56455278813756]
航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。
本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
論文 参考訳（メタデータ） (2023-10-03T11:47:01Z) - Quantum Multi-Agent Actor-Critic Networks for Cooperative Mobile Access
in Multi-UAV Systems [12.850810725666465]
本稿では,ロバストなモバイルアクセスシステムを構築するために,量子マルチエージェントアクタクリティカルネットワーク(QMACN)という新しいアルゴリズムを提案する。
量子コンピューティング(QC)の原理は、関連するUAVのトレーニングプロセスと推論能力を高めるために、我々の研究で採用されている。
論文 参考訳（メタデータ） (2023-02-09T05:31:57Z) - Deep Reinforcement Learning for Combined Coverage and Resource
Allocation in UAV-aided RAN-slicing [1.7214664783818676]
この研究は、UAV-BS(UAV-BS)がネットワークスライシング機能を備えたUAV支援5Gネットワークを提示する。
ネットワークスライシング環境におけるUAV-BSに対するマルチエージェントおよびマルチエージェント深部強化学習の第一応用について紹介する。
提示された戦略のパフォーマンスはテストされ、ベンチマークと比較され、さまざまなシナリオにおいて満足度の高いユーザの割合(少なくとも27%以上)が強調されている。
論文 参考訳（メタデータ） (2022-11-15T06:50:00Z) - Deep Reinforcement Learning Based Multi-Access Edge Computing Schedule
for Internet of Vehicle [16.619839349229437]
車両用インターネット(IoV)の最大品質(QoE)を維持した無線ネットワークサービスを実現するためのUAV支援手法を提案する。
本稿では,M-AGCDRL(Multi-Agent Graph Convolutional Deep Reinforcement Learning)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-02-15T17:14:58Z) - Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT
Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement
Learning Approach [56.84948632954274]
本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。
本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。
提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
論文 参考訳（メタデータ） (2021-12-20T15:45:28Z) - Multi-Agent Deep Reinforcement Learning For Optimising Energy Efficiency
of Fixed-Wing UAV Cellular Access Points [3.502112118170715]
固定翼UAVセルアクセスポイントのエネルギー効率を最適化する多エージェント深部強化学習手法を提案する。
提案手法では,UAVの3次元軌道を一連の時間経過で調整できるDueling Deep Q-Network (DDQN) エージェントを備える。
論文 参考訳（メタデータ） (2021-11-03T14:49:17Z) - RIS-assisted UAV Communications for IoT with Wireless Power Transfer
Using Deep Reinforcement Learning [75.677197535939]
無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。
第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。
マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-08-05T23:55:44Z) - A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From
Communications to Sensing and Intelligence [152.89360859658296]
5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。
一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。
一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
論文 参考訳（メタデータ） (2020-10-19T08:56:04Z) - Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for
Cellular Offloading [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳（メタデータ） (2020-10-18T20:22:05Z)
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。