論文の概要: Mobile Edge Computing for the Metaverse

• arxiv url: http://arxiv.org/abs/2212.09229v1
• Date: Mon, 19 Dec 2022 03:37:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:08:16.516586
• Title: Mobile Edge Computing for the Metaverse
• Title（参考訳）: メタバースのためのモバイルエッジコンピューティング
• Authors: Chang Liu, Yitong Wang, Jun Zhao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 15.738852406775289
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Metaverse has emerged as the next generation of the Internet. It aims to provide an immersive, persistent virtual space where people can live, learn, work and interact with each other. However, the existing technology is inadequate to guarantee high visual quality and ultra-low latency service for the Metaverse players. Mobile Edge Computing (MEC) is a paradigm where proximal edge servers are utilized to perform computation-intensive and latency-sensitive tasks like image processing and video analysis. In MEC, the large amount of data is processed by edge servers closest to where it is captured, thus significantly reducing the latency and providing almost real-time performance. In this paper, we integrate fundamental elements (5G and 6G wireless communications, Blockchain, digital twin and artificial intelligence) into the MEC framework to facilitate the Metaverse. We also elaborate on the research problems and applications in the MEC-enabled Metaverse. Finally, we provide a case study to establish a thorough knowledge of the user utility maximization problem in a real-world scenario and gain some insights about trends in potential research directions.
• Abstract（参考訳）: metaverseは次世代のインターネットとして登場した。 人々が生き、学び、働き、相互に対話できる没入型で永続的な仮想空間を提供することを目指している。 しかし、既存の技術は、メタバースプレイヤーにとって高い視覚品質と超低レイテンシ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。 MECでは、大量のデータを取得場所に近いエッジサーバで処理することで、レイテンシを大幅に低減し、ほぼリアルタイムのパフォーマンスを提供する。 本稿では,MECフレームワークに基本要素(5Gおよび6G無線通信,ブロックチェーン,ディジタルツイン,人工知能)を統合し,Metaverseを実現する。 また,MEC対応Metaverseの研究課題と応用について詳述する。 最後に,実世界シナリオにおけるユーザユーティリティ最大化問題に関する詳細な知識を確立するためのケーススタディと,潜在的な研究方向の傾向に関する洞察を得ることを目的とする。

関連論文リスト

• Blockchain-based Pseudonym Management for Vehicle Twin Migrations in Vehicular Edge Metaverse [73.79237826420925]
  Vehicle Twins(VT)は、VMUの運転安全性と車載満足度を改善するために、貴重なメタバースサービスを提供している。 中断しないメタバース体験を維持するためには、VTは車両の動きに従ってエッジサーバ間で移動する必要がある。 これにより、車両のエッジメタバース間の動的通信中にプライバシー侵害が懸念される可能性がある。 既存の偽名管理手法は、車両のエッジメタバースにおける広範囲な偽名要求を満たすには不十分である。
  論文  参考訳（メタデータ） (2024-03-22T15:31:37Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• 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)
• FLEdge: Benchmarking Federated Machine Learning Applications in Edge Computing Systems [61.335229621081346]
  フェデレートラーニング(FL)は,ネットワークエッジ上での分散ディープラーニングのプライバシ強化を実現する上で,有効なテクニックとなっている。 本稿では,既存のFLベンチマークを補完するFLEdgeを提案する。
  論文  参考訳（メタデータ） (2023-06-08T13:11:20Z)
• Unified, User and Task (UUT) Centered Artificial Intelligence for Metaverse Edge Computing [8.513938423514636]
  Metaverseは、コンテンツ制作、ソーシャルエンターテイメント、世界の価値移転、インテリジェントトラフィック、ヘルスケアなど、多くのエコシステムサービスを提供している。 既存のMetaverseエッジコンピューティングアプローチは、リソース割り当てを効率的かつ効果的に処理しない。 本稿では,AI(AI)ベースのモバイルエッジコンピューティング(MEC)パラダイムを新たに導入し,Metaverse互換の統一ユーザタスク(UUT)を提案する。
  論文  参考訳（メタデータ） (2022-12-19T08:29:38Z)
• Mobile Edge Computing, Metaverse, 6G Wireless Communications, Artificial Intelligence, and Blockchain: Survey and Their Convergence [14.855306407950058]
  本稿では,現代の応用の厳密な要件を満たすために使用される計算パラダイムについて検討する。 モバイル拡張現実(MAR)におけるMECの適用シナリオを提供する。 本稿では,MECをベースとしたMetaverseのモチベーションを示し,MetaverseへのMECの適用について紹介する。
  論文  参考訳（メタデータ） (2022-09-28T14:54:06Z)
• Resource Allocation for Mobile Metaverse with the Internet of Vehicles over 6G Wireless Communications: A Deep Reinforcement Learning Approach [8.513938423514636]
  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。
  論文  参考訳（メタデータ） (2022-09-27T14:28:04Z)
• 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)
• Reinforcement Learning-Empowered Mobile Edge Computing for 6G Edge Intelligence [76.96698721128406]
  モバイルエッジコンピューティング(MEC)は、第5世代(5G)ネットワークなどにおける計算と遅延に敏感なタスクのための新しいパラダイムであると考えた。 本稿では、フリー対応RLに関する総合的な研究レビューと、開発のための洞察を提供する。
  論文  参考訳（メタデータ） (2022-01-27T10:02:54Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
  本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。 提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。 また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
  論文  参考訳（メタデータ） (2021-12-29T17:23:24Z)
• Online Service Migration in Edge Computing with Incomplete Information: A Deep Recurrent Actor-Critic Method [18.891775769665102]
  マルチアクセスエッジコンピューティング(MEC)は、クラウドコンピューティングをネットワークエッジに拡張する新興コンピューティングパラダイムである。 サービス移行には,qos(quality-of-service)を維持するためのユーザサービスの移行場所を決定する必要がある 本稿では,ユーザ中心で効果的なオンライン移行決定が可能な,新たな学習駆動型手法である深層反復型アクタクリティックベースサービスマイグレーション(dracm)を提案する。
  論文  参考訳（メタデータ） (2020-12-16T00:16:24Z)

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。