論文の概要: Asynchronous Hybrid Reinforcement Learning for Latency and Reliability
Optimization in the Metaverse over Wireless Communications
- arxiv url: http://arxiv.org/abs/2212.14749v1
- Date: Fri, 30 Dec 2022 14:40:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 17:41:57.260442
- Title: Asynchronous Hybrid Reinforcement Learning for Latency and Reliability
Optimization in the Metaverse over Wireless Communications
- Title(参考訳): 無線通信における遅延と信頼性最適化のための非同期ハイブリッド強化学習
- Authors: Wenhan Yu, Terence Jie Chua, Jun Zhao
- Abstract要約: 現実世界のシーンのリアルタイムデジタルツインニングが増加している。
送信シーン次元(3次元とは対照的に2次元)の差は、アップリンク(UL)とダウンリンク(DL)の非対称データサイズにつながる
我々は、新しいマルチエージェント強化学習アルゴリズム、すなわち非同期アクターハイブリッド批判(AAHC)を設計する。
- 参考スコア(独自算出の注目度): 8.513938423514636
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Technology advancements in wireless communications and high-performance
Extended Reality (XR) have empowered the developments of the Metaverse. The
demand for Metaverse applications and hence, real-time digital twinning of
real-world scenes is increasing. Nevertheless, the replication of 2D physical
world images into 3D virtual world scenes is computationally intensive and
requires computation offloading. The disparity in transmitted scene dimension
(2D as opposed to 3D) leads to asymmetric data sizes in uplink (UL) and
downlink (DL). To ensure the reliability and low latency of the system, we
consider an asynchronous joint UL-DL scenario where in the UL stage, the
smaller data size of the physical world scenes captured by multiple extended
reality users (XUs) will be uploaded to the Metaverse Console (MC) to be
construed and rendered. In the DL stage, the larger-size 3D virtual world
scenes need to be transmitted back to the XUs. The decisions pertaining to
computation offloading and channel assignment are optimized in the UL stage,
and the MC will optimize power allocation for users assigned with a channel in
the UL transmission stage. Some problems arise therefrom: (i) interactive
multi-process chain, specifically Asynchronous Markov Decision Process (AMDP),
(ii) joint optimization in multiple processes, and (iii) high-dimensional
objective functions, or hybrid reward scenarios. To ensure the reliability and
low latency of the system, we design a novel multi-agent reinforcement learning
algorithm structure, namely Asynchronous Actors Hybrid Critic (AAHC). Extensive
experiments demonstrate that compared to proposed baselines, AAHC obtains
better solutions with preferable training time.
- Abstract(参考訳): 無線通信と高性能拡張現実(XR)の技術進歩により、メタバースの開発が促進された。
メタバースアプリケーションへの需要が高まり、現実世界のシーンのリアルタイムデジタルツインニングが増加している。
それでも、2d物理世界画像の3d仮想世界シーンへのレプリケーションは計算集約的で、計算オフロードを必要とする。
送信シーン次元(3Dとは対照的に2D)の差は、アップリンク(UL)とダウンリンク(DL)の非対称データサイズにつながる。
システムの信頼性と低レイテンシを確保するため,ULの段階では,複数の拡張現実ユーザ(XU)によってキャプチャされた物理世界シーンのデータサイズが,メタバースコンソール(MC)にアップロードされ,解釈・レンダリングされるような,非同期な関節UL-DLシナリオを検討する。
DLステージでは、より大きな3D仮想世界シーンをXUに送信する必要がある。
演算オフロードおよびチャネル割り当てに関する決定は、UL段階で最適化され、MCは、UL送信段階でチャネルに割り当てられたユーザの電力割り当てを最適化する。
そこからいくつかの問題が生じる。
(i)対話型マルチプロセスチェーン、特に非同期マルコフ決定プロセス(AMDP)
(ii)複数工程における共同最適化、及び
(iii)高次元目的関数、又はハイブリッド報酬シナリオ。
システムの信頼性と低レイテンシを確保するために,Asynchronous Actors Hybrid Critic (AAHC) と呼ばれる新しいマルチエージェント強化学習アルゴリズム構造を設計する。
大規模な実験では、提案されたベースラインと比較して、AAHCは好ましいトレーニング時間でより良い解を得る。
関連論文リスト
- 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) - ViR: Towards Efficient Vision Retention Backbones [97.93707844681893]
視覚保持ネットワーク(ViR)と呼ばれる新しいコンピュータビジョンモデルを提案する。
ViRは並列および繰り返しの定式化を持ち、高速推論と並列トレーニングと競合性能の最適なバランスをとる。
我々は,様々なデータセットサイズと様々な画像解像度を用いた広範囲な実験により,ViRの有効性を検証した。
論文 参考訳(メタデータ) (2023-10-30T16:55:50Z) - Mutual Information-driven Triple Interaction Network for Efficient Image
Dehazing [54.168567276280505]
画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。
振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。
第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
論文 参考訳(メタデータ) (2023-08-14T08:23:58Z) - Progressive Multi-view Human Mesh Recovery with Self-Supervision [68.60019434498703]
既存のソリューションは通常、新しい設定への一般化性能の低下に悩まされる。
マルチビューヒューマンメッシュリカバリのためのシミュレーションに基づく新しいトレーニングパイプラインを提案する。
論文 参考訳(メタデータ) (2022-12-10T06:28:29Z) - HALSIE: Hybrid Approach to Learning Segmentation by Simultaneously
Exploiting Image and Event Modalities [6.543272301133159]
イベントカメラは、非同期イベントストリームを生成するためにピクセルごとの強度の変化を検出する。
リアルタイム自律システムにおいて、正確なセマンティックマップ検索のための大きな可能性を秘めている。
イベントセグメンテーションの既存の実装は、サブベースのパフォーマンスに悩まされている。
本研究では,ハイブリット・エンド・エンド・エンドの学習フレームワークHALSIEを提案する。
論文 参考訳(メタデータ) (2022-11-19T17:09:50Z) - 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) - Dynamic Network-Assisted D2D-Aided Coded Distributed Learning [59.29409589861241]
本稿では,デバイス間のロードバランシングのための新しいデバイス・ツー・デバイス(D2D)支援型符号化学習手法(D2D-CFL)を提案する。
最小処理時間を達成するための最適圧縮率を導出し、収束時間との接続を確立する。
提案手法は,ユーザが継続的にトレーニングデータを生成するリアルタイム協調アプリケーションに有用である。
論文 参考訳(メタデータ) (2021-11-26T18:44:59Z) - CovSegNet: A Multi Encoder-Decoder Architecture for Improved Lesion
Segmentation of COVID-19 Chest CT Scans [11.946078871080836]
高度に効率的なニューラルネットワークアーキテクチャ、すなわちCovSegNetを利用して、自動化されたCOVID-19病変のセグメンテーションスキームを提案する。
パフォーマンスは3つの公開データセットで達成されており、他の最先端のアプローチよりも大幅に向上している。
論文 参考訳(メタデータ) (2020-12-02T19:26:35Z) - Real-time 3D Facial Tracking via Cascaded Compositional Learning [30.660564667452118]
モノクロRGBカメラからリアルタイムな3次元顔追跡のための多モード顔の動きの回帰を解くために,グローバルに最適化されたモジュールアップファーン(GoMBF)のカスケードを学習する。
GoMBFは、複数の回帰モデルの深い構成であり、各モデルは、当初同じモードの偏運動パラメータを予測するために訓練された強化されたファーンである。
論文 参考訳(メタデータ) (2020-09-02T10:27:36Z)
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。