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

• ALOcc: Adaptive Lifting-based 3D Semantic Occupancy and Cost Volume-based Flow Prediction [89.89610257714006]
  既存の手法は、これらのタスクの要求に応えるために高い精度を優先する。 本稿では,3次元セマンティック占有率予測とフロー推定のための一連の改善点を紹介する。 私たちの純粋な時間的アーキテクチャフレームワークであるALOccは、速度と精度の最適なトレードオフを実現しています。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• Towards 3D Semantic Scene Completion for Autonomous Driving: A Meta-Learning Framework Empowered by Deformable Large-Kernel Attention and Mamba Model [1.6835437621159244]
  セマンティックシーン補完(SSC)のためのメタラーニングに基づく新しいフレームワークであるMetaSSCを紹介する。 我々のアプローチは、不完全領域のセマンティックスと幾何学を探求することを目的とした、ボクセルに基づくセマンティックセマンティックセマンティクス(SS)事前訓練タスクから始まる。 シミュレーションされた協調認識データセットを用いて、集約されたセンサデータを用いて1台の車両の知覚訓練を監督する。 このメタ知識は、二重フェーズのトレーニング戦略を通じてターゲットドメインに適応し、効率的なデプロイメントを可能にする。
  論文  参考訳（メタデータ） (2024-11-06T05:11:25Z)
• Hyperdimensional Computing Empowered Federated Foundation Model over Wireless Networks for Metaverse [56.384390765357004]
  本稿では,新しい基礎モデルのための統合型分割学習と超次元計算フレームワークを提案する。 この新しいアプローチは通信コスト、計算負荷、プライバシーリスクを低減し、Metaverseのリソース制約されたエッジデバイスに適している。
  論文  参考訳（メタデータ） (2024-08-26T17:03:14Z)
• RAVEN: Rethinking Adversarial Video Generation with Efficient Tri-plane Networks [93.18404922542702]
  本稿では,長期的空間的および時間的依存関係に対処する新しいビデオ生成モデルを提案する。 提案手法は,3次元認識型生成フレームワークにインスパイアされた,明示的で単純化された3次元平面のハイブリッド表現を取り入れたものである。 我々のモデルは高精細度ビデオクリップを解像度256時間256$ピクセルで合成し、フレームレート30fpsで5ドル以上まで持続する。
  論文  参考訳（メタデータ） (2024-01-11T16:48:44Z)
• 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)
• 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)
• 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)
• 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。