論文の概要: Generative AI-empowered Effective Physical-Virtual Synchronization in the Vehicular Metaverse

• arxiv url: http://arxiv.org/abs/2301.07636v2
• Date: Thu, 19 Jan 2023 04:15:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-20 11:26:25.100065
• 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

• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Hybrid-Generative Diffusion Models for Attack-Oriented Twin Migration in Vehicular Metaverses [58.264499654343226]
  Vehicle Twins (VTs) は、Vehicular Metaverse Users (VMUs) 向けに没入型仮想サービスを提供するデジタルツインである。 車両の高モビリティ、エッジサーバの不均一なデプロイ、潜在的なセキュリティ脅威は、効率的で信頼性の高いVTマイグレーションを実現する上での課題である。 車両メタバースにおけるセキュアで信頼性の高いVTマイグレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-05T11:11:33Z)
• Haptic Repurposing with GenAI [5.424247121310253]
  Mixed Realityは、デジタル世界と物理的な世界を融合して、没入型人間とコンピュータのインタラクションを作ることを目指している。 本稿では,Haptic Repurposing with GenAIを紹介し,任意の物理オブジェクトをAI生成仮想アセットの適応型触覚インターフェースに変換することによってMRインタラクションを強化する革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-11T13:06:28Z)
• Multi-attribute Auction-based Resource Allocation for Twins Migration in Vehicular Metaverses: A GPT-based DRL Approach [85.65587846913793]
  車両メタバース(Vehicular Metaverses)は、近代自動車産業を強化するために開発され、コネクテッドカー間の没入的で安全な体験を提供する。 本稿では,VTsマイグレーション時の資源配分を最適化する属性対応オークション方式を提案する。 我々は、生成事前学習型変換器(GPT)に基づく深部強化学習(DRL)アルゴリズムを用いて、DDAオークション器を訓練し、オークションクロックを効率的に調整する。
  論文  参考訳（メタデータ） (2024-06-08T09:41:38Z)
• Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A Multi-Leader Multi-Follower Stackelberg Game Approach [57.15309977293297]
  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)

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。