論文の概要: User-centric Heterogeneous-action Deep Reinforcement Learning for
Virtual Reality in the Metaverse over Wireless Networks
- arxiv url: http://arxiv.org/abs/2302.01471v2
- Date: Mon, 22 May 2023 17:42:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 04:18:44.788319
- Title: User-centric Heterogeneous-action Deep Reinforcement Learning for
Virtual Reality in the Metaverse over Wireless Networks
- Title（参考訳）: 無線ネットワーク上のメタバースにおける仮想現実のためのユーザ中心不均一動作深層強化学習
- Authors: Wenhan Yu, Terence Jie Chua, Jun Zhao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.513938423514636
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Metaverse is emerging as maturing technologies are empowering the
different facets. Virtual Reality (VR) technologies serve as the backbone of
the virtual universe within the Metaverse to offer a highly immersive user
experience. As mobility is emphasized in the Metaverse context, VR devices
reduce their weights at the sacrifice of local computation abilities. In this
paper, for a system consisting of a Metaverse server and multiple VR users, we
consider two cases of (i) the server generating frames and transmitting them to
users, and (ii) users generating frames locally and thus consuming device
energy. Moreover, in our multi-user VR scenario for the Metaverse, users have
different characteristics and demands for Frames Per Second (FPS). Then the
channel access arrangement (including the decisions on frame generation
location), and transmission powers for the downlink communications from the
server to the users are jointly optimized to improve the utilities of users.
This joint optimization is addressed by deep reinforcement learning (DRL) with
heterogeneous actions. Our proposed user-centric DRL algorithm is called
User-centric Critic with Heterogenous Actors (UCHA). Extensive experiments
demonstrate that our UCHA algorithm leads to remarkable results under various
requirements and constraints.
- Abstract（参考訳）: 成熟技術がさまざまな側面に力を与えている中、Metaverseは出現しつつある。
VR(Virtual Reality)技術は、Metaverse内の仮想宇宙のバックボーンとして機能し、没入感のあるユーザーエクスペリエンスを提供する。
モビリティがMetaverseの文脈で強調されるように、VRデバイスは局所的な計算能力を犠牲にして重量を減らす。
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,二つの事例を考察する。
i) サーバがフレームを生成してユーザへ送信し、
(II) ローカルでフレームを生成し、デバイスエネルギーを消費する。
さらに、Metaverseのマルチユーザ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ます。
そして、サーバからユーザへのダウンリンク通信のためのチャネルアクセスアレンジメント(フレーム生成位置の決定を含む)と送信パワーを共同で最適化し、ユーザのユーティリティを向上させる。
この共同最適化は、不均一な作用を持つ深部強化学習(DRL)によって解決される。
提案するユーザ中心型DRLアルゴリズムは,ユーザ中心型Critic with Heterogenous Actors (UCHA) と呼ばれる。
我々のUCHAアルゴリズムは様々な要件や制約の下で顕著な結果をもたらすことを示した。
関連論文リスト
- DiVR: incorporating context from diverse VR scenes for human trajectory prediction [2.16656895298847]
本稿では,Perceiver アーキテクチャに基づくクロスモーダルトランスフォーマである DiVR (Diverse Context VR Human Motion Prediction) を提案する。
その結果、DVRは他のモデルや静的グラフと比較して精度と適応性が高いことがわかった。
ソースコードはhttps://gitlab.inria.fr/ffrancog/creattive3d-divr-modelで公開されています。
論文 参考訳（メタデータ） (2024-11-13T07:55:41Z) - VR-GS: A Physical Dynamics-Aware Interactive Gaussian Splatting System in Virtual Reality [39.53150683721031]
提案するVR-GSシステムは,人間中心の3Dコンテンツインタラクションにおける飛躍的な進歩を示す。
私たちの仮想現実システムのコンポーネントは、高い効率と有効性のために設計されています。
論文 参考訳（メタデータ） (2024-01-30T01:28:36Z) - 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) - Vision-based Semantic Communications for Metaverse Services: A Contest
Theoretic Approach [66.10465001046762]
Metaverseでは、アバターを更新し、ユーザの振る舞いを反映してレンダリングする必要がある。
ユーザとMPP間のインタラクションをモデル化する意味コミュニケーションフレームワークを提案する。
我々はセマンティック通信技術を用いて送信するデータの量を削減する。
論文 参考訳（メタデータ） (2023-08-15T07:56:33Z) - Virtual Reality in Metaverse over Wireless Networks with User-centered
Deep Reinforcement Learning [8.513938423514636]
無線通信シナリオ上でのマルチユーザVR計算のオフロードについて紹介する。
さらに, ユーザ中心の深層強化学習手法を考案し, ほぼ最適解を求める。
論文 参考訳（メタデータ） (2023-03-08T03:10:41Z) - Generative AI-empowered Effective Physical-Virtual Synchronization in
the Vehicular Metaverse [129.8037449161817]
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。
論文 参考訳（メタデータ） (2023-01-18T16:25:42Z) - Force-Aware Interface via Electromyography for Natural VR/AR Interaction [69.1332992637271]
我々はVR/ARにおける自然的および直感的な力入力のための学習ベースのニューラルネットワークを設計する。
我々は,3.3%の平均誤差で指の力量をリアルタイムでデコードし,キャリブレーションの少ない新規ユーザに一般化できることを実証した。
今後のVR/ARにおける、より現実的な物理性に向けた研究を進めるために、我々の研究成果を期待する。
論文 参考訳（メタデータ） (2022-10-03T20:51:25Z) - Short-Term Trajectory Prediction for Full-Immersive Multiuser Virtual
Reality with Redirected Walking [6.622115542749609]
完全没入型マルチユーザーバーチャルリアリティ(VR)は、仮想世界のユーザの制約のないモビリティをサポートすることを想定している。
RNN ファミリーの別の候補である Gated Recurrent Unit (GRU) ネットワークは、一般的に従来の LSTM よりも優れていることを示す。
第2に、仮想世界からのコンテキストは、追加の入力機能として使用すれば、予測の精度を高めることができることを示す。
論文 参考訳（メタデータ） (2022-07-15T15:09:07Z) - Wireless Edge-Empowered Metaverse: A Learning-Based Incentive Mechanism
for Virtual Reality [102.4151387131726]
メタバースにおけるVRサービスのための学習型インセンティブメカニズムフレームワークを提案する。
まず,仮想世界におけるVRユーザのための指標として,知覚の質を提案する。
第二に、VRユーザー(買い手)とVR SP(売り手)間のVRサービスの迅速な取引のために、オランダの二重オークション機構を設計する。
第3に,この競売プロセスの高速化を目的とした深層強化学習型競売機を設計する。
論文 参考訳（メタデータ） (2021-11-07T13:02:52Z) - Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets
Deep Reinforcement Learning [76.46530937296066]
本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。
モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
論文 参考訳（メタデータ） (2021-06-03T08:35:10Z) - Meta-Reinforcement Learning for Reliable Communication in THz/VLC
Wireless VR Networks [157.42035777757292]
屋内テラヘルツ(THz)/可視光通信(VLC)無線ネットワークにおいて,仮想現実(VR)サービスの品質向上の問題について検討した。
小型基地局(sbss)は高品質のvr画像をthzバンド経由でvrユーザーに送信し、発光ダイオード(led)は正確な屋内測位サービスを提供する。
研究したTHz/VLC無線VRネットワークのエネルギー消費を制御するには、VLCアクセスポイント(VAP)を選択的にオンにする必要がある。
論文 参考訳（メタデータ） (2021-01-29T15:57:25Z)
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。