論文の概要: Generative AI-empowered Effective Physical-Virtual Synchronization in
the Vehicular Metaverse
- arxiv url: http://arxiv.org/abs/2301.07636v1
- Date: Wed, 18 Jan 2023 16:25:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 15:25:07.719483
- Title: Generative AI-empowered Effective Physical-Virtual Synchronization in
the Vehicular Metaverse
- Title(参考訳): ベクトルメタバースにおけるAIを活用した効果的な物理仮想シンクロナイゼーション
- Authors: Minrui Xu, Dusit Niyato, Hongliang Zhang, Jiawen Kang, Zehui Xiong,
Shiwen Mao, and Zhu Han
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 129.8037449161817
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Metaverse seamlessly blends the physical world and virtual space via
ubiquitous communication and computing infrastructure. In transportation
systems, the vehicular Metaverse can provide a fully-immersive and hyperreal
traveling experience (e.g., via augmented reality head-up displays, AR-HUDs) to
drivers and users in autonomous vehicles (AVs) via roadside units (RSUs).
However, provisioning real-time and immersive services necessitates effective
physical-virtual synchronization between physical and virtual entities, i.e.,
AVs and Metaverse AR recommenders (MARs). In this paper, we propose a
generative AI-empowered physical-virtual synchronization framework for the
vehicular Metaverse. In physical-to-virtual synchronization, digital twin (DT)
tasks generated by AVs are offloaded for execution in RSU with future route
generation. In virtual-to-physical synchronization, MARs customize diverse and
personal AR recommendations via generative AI models based on user preferences.
Furthermore, we propose a multi-task enhanced auction-based mechanism to match
and price AVs and MARs for RSUs to provision real-time and effective services.
Finally, property analysis and experimental results demonstrate that the
proposed mechanism is strategy-proof and adverse-selection free while
increasing social surplus by 50%.
- Abstract(参考訳): Metaverseはユビキタス通信とコンピューティングのインフラを通じて物理世界と仮想空間をシームレスにブレンドする。
輸送システムでは、車載メタバースは完全没入型で超現実的な走行体験(例えば、拡張現実ヘッドアップディスプレイ、AR-HUD)を、道路側ユニット(RSU)を介してドライバーや自動運転車(AV)のユーザーに提供することができる。
しかし、リアルタイムおよび没入型サービスのプロビジョニングは、物理的なエンティティと仮想エンティティ、すなわちAVとMetaverse ARレコメンダ(MAR)間の効果的な物理仮想同期を必要とする。
本稿では,車載メタバースのための生成AIを用いた物理仮想同期フレームワークを提案する。
物理-仮想同期では、AVが生成するデジタルツイン(DT)タスクは、将来のルート生成と共にRSUで実行するためにオフロードされる。
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、多様で個人的なARレコメンデーションをカスタマイズする。
さらに,リアルタイムかつ効果的なサービス提供のために,マルチタスクによるAVとMARのマッチングと価格設定を行う方式を提案する。
最後に, 特性分析と実験により, 提案するメカニズムは, 50%の社会的余剰を増加させる一方で, 戦略的防御および悪選好自由であることが判明した。
関連論文リスト
- Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A
Multi-Leader Multi-Follower Stackelberg Game Approach [59.05476533509871]
無人航空機(UAV)とメタバースの相乗効果は、UAVメタバースと呼ばれる新しいパラダイムを生み出している。
本稿では,UAVメタバースにおける効率的なUTマイグレーションのためのプルーニング技術に基づく,機械学習に基づく小さなゲームフレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-18T02:14:13Z) - 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) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-02-16T16:54:10Z) - User-centric Heterogeneous-action Deep Reinforcement Learning for
Virtual Reality in the Metaverse over Wireless Networks [8.513938423514636]
本稿では,Metaverseサーバと複数のVRユーザで構成されるシステムについて考察する。
MetaverseのマルチユーザーVRシナリオでは、ユーザはFPS(Frames Per Second)の異なる特性と要求を持っている。
提案したユーザ中心型DRLアルゴリズムは、ユーザ中心型Critic with Heterogenous Actors (UCHA) と呼ばれる。
論文 参考訳(メタデータ) (2023-02-03T00:12:12Z) - UAV aided Metaverse over Wireless Communications: A Reinforcement
Learning Approach [16.41810488654725]
Metaverseは5Gの高速通信技術をサポートした没入型体験をユーザに提供するために,現実と密接に結びついた仮想世界を構築することが期待されている。
物理的な世界で膨大な量のデータを仮想世界と同期させて、ユーザに没入的な体験を提供する必要がある。
本稿では,UAVのチャネル割当と軌道制御のためのPPOに基づく二重エージェント協調型強化学習手法を提案し,物理的世界から仮想世界へのデータを収集・同期し,メタバースサービスの利用範囲を経済的に拡大する。
論文 参考訳(メタデータ) (2023-01-04T07:35:09Z) - 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) - 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) - VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and
Policy Learning for Autonomous Vehicles [131.2240621036954]
VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。
高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。
センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
論文 参考訳(メタデータ) (2021-11-23T18:58:10Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳(メタデータ) (2021-11-15T18:50:04Z)
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。