論文の概要: Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework
- arxiv url: http://arxiv.org/abs/2302.11457v1
- Date: Wed, 22 Feb 2023 15:52:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-23 14:46:14.666018
- Title: Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework
- Title(参考訳): メタバースにおける意味情報マーケティング:学習に基づく契約理論フレームワーク
- Authors: Ismail Lotfi, Dusit Niyato, Sumei Sun, Dong In Kim, Xuemin (Sherman)
Shen
- Abstract要約: 仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
- 参考スコア(独自算出の注目度): 68.8725783112254
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we address the problem of designing incentive mechanisms by a
virtual service provider (VSP) to hire sensing IoT devices to sell their
sensing data to help creating and rendering the digital copy of the physical
world in the Metaverse. Due to the limited bandwidth, we propose to use
semantic extraction algorithms to reduce the delivered data by the sensing IoT
devices. Nevertheless, mechanisms to hire sensing IoT devices to share their
data with the VSP and then deliver the constructed digital twin to the
Metaverse users are vulnerable to adverse selection problem. The adverse
selection problem, which is caused by information asymmetry between the system
entities, becomes harder to solve when the private information of the different
entities are multi-dimensional. We propose a novel iterative contract design
and use a new variant of multi-agent reinforcement learning (MARL) to solve the
modelled multi-dimensional contract problem. To demonstrate the effectiveness
of our algorithm, we conduct extensive simulations and measure several key
performance metrics of the contract for the Metaverse. Our results show that
our designed iterative contract is able to incentivize the participants to
interact truthfully, which maximizes the profit of the VSP with minimal
individual rationality (IR) and incentive compatibility (IC) violation rates.
Furthermore, the proposed learning-based iterative contract framework has
limited access to the private information of the participants, which is to the
best of our knowledge, the first of its kind in addressing the problem of
adverse selection in incentive mechanisms.
- Abstract(参考訳): 本稿では,仮想サービスプロバイダ (VSP) によるインセンティブ設計の課題に対処し,Metaverse における物理世界のデジタルコピーの作成とレンダリングを支援するために,センシングされたIoTデバイスをそのセンシングデータ販売に採用する。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
それでも、VSPとデータを共有するためにセンサーIoTデバイスを雇用し、構築されたデジタルツインをMetaverseユーザに配信するメカニズムは、有害な選択問題に対して脆弱である。
システムエンティティ間の情報非対称性によって引き起こされる有害選択問題は、異なるエンティティのプライベート情報が多次元である場合に解決が困難になる。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の変種を用いて,モデル付き多次元契約問題の解法を提案する。
提案アルゴリズムの有効性を実証するために,広範囲なシミュレーションを行い,メタバースの契約のいくつかの重要な性能指標を測定した。
その結果,提案する反復契約は,参加者に真に対話するインセンティブを与え,最小の個別合理性 (ir) とインセンティブ相反性 (ic) でvspの利益を最大化できることがわかった。
さらに,提案する学習ベースの反復的契約フレームワークは,インセンティブ機構の悪質な選択問題に対処する上で,参加者の私的情報へのアクセスを制限している。
関連論文リスト
- Mitigating Reward Hacking via Information-Theoretic Reward Modeling [70.26019860948114]
本稿では,報酬モデリングのための汎用的で堅牢なフレームワークであるInfoRMを提案する。
我々は,潜伏空間における過最適化と外れ値の相関を同定し,報酬過最適化を検出するための有望なツールとしてInfoRMを確立した。
論文 参考訳(メタデータ) (2024-02-14T17:49:07Z) - A Semantic-Aware Multiple Access Scheme for Distributed, Dynamic
6G-Based Applications [14.51946231794179]
本稿では,無線スペクトルへの多重アクセス問題に対する新しい定式化を提案する。
その目的は、$alpha$-fairnessメトリックを使用して、使い勝手のトレードオフを最適化することにある。
Semantic-Aware Multi-Agent Double and Dueling Deep Q-Learning (SAMA-D3QL) 手法を提案する。
論文 参考訳(メタデータ) (2024-01-12T00:32:38Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳(メタデータ) (2023-08-03T02:49:50Z) - Privacy-Preserving Joint Edge Association and Power Optimization for the
Internet of Vehicles via Federated Multi-Agent Reinforcement Learning [74.53077322713548]
プライバシ保護型共同エッジアソシエーションと電力配分問題について検討する。
提案されたソリューションは、最先端のソリューションよりも高いプライバシレベルを維持しながら、魅力的なトレードオフにぶつかる。
論文 参考訳(メタデータ) (2023-01-26T10:09:23Z) - Edge Computing for Semantic Communication Enabled Metaverse: An
Incentive Mechanism Design [72.27143788103245]
SemComとエッジコンピューティングは、Metaverseにおける巨大なデータ通信、帯域幅効率、低レイテンシデータ処理の新たな要件に対処するための破壊的なソリューションである。
深層学習(DL)に基づくオークションは、近年、重要な経済特性を保持しながら収益を最大化するインセンティブメカニズムとして提案されている。
本稿では,SemCom対応Metaverseにおけるエッジリソース割り当てのためのDLベースのオークションの設計について述べる。
論文 参考訳(メタデータ) (2022-12-13T10:29:41Z) - RL-DistPrivacy: Privacy-Aware Distributed Deep Inference for low latency
IoT systems [41.1371349978643]
本稿では,流通戦略の再考を通じて協調的深層推論の安全性を目標とするアプローチを提案する。
我々は、この手法を最適化として定式化し、コ推論のレイテンシとプライバシーレベルのデータのトレードオフを確立する。
論文 参考訳(メタデータ) (2022-08-27T14:50:00Z) - Computational Intelligence and Deep Learning for Next-Generation
Edge-Enabled Industrial IoT [51.68933585002123]
エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。
本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。
特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
論文 参考訳(メタデータ) (2021-10-28T08:14:57Z) - Faithful Edge Federated Learning: Scalability and Privacy [4.8534377897519105]
フェデレーション学習は、ローカルデータセットの交換を必要とせずに、分散型エッジデバイスのネットワーク上で機械学習アルゴリズムをトレーニングすることを可能にする。
エージェントが自発的に参加するインセンティブに、フェデレーション学習の鍵となる特徴、不均衡データおよび非i.d.データがどのように影響するかを分析する。
経済性,スケーラビリティ,プライバシを満足する2つの忠実な連合学習機構を設計する。
論文 参考訳(メタデータ) (2021-06-30T08:46:40Z) - SCEI: A Smart-Contract Driven Edge Intelligence Framework for IoT
Systems [15.796325306292134]
フェデレートラーニング(FL)は、データプライバシを維持しながら、エッジデバイス上で共有モデルの協調トレーニングを可能にする。
様々なパーソナライズされたアプローチが提案されているが、そのようなアプローチはデータ分散の根底にある変化に対処できない。
本稿では,ブロックチェーンとフェデレーション学習に基づく動的に最適化された個人深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-03-12T02:57:05Z) - An Intelligent Scheme for Uncertainty Management of Data Synopses
Management in Pervasive Computing Applications [9.289846887298852]
IoT(Internet of Things)デバイスは、エッジコンピューティング(EC)とクラウドにそれらを転送する環境データを収集して、さらなる処理を行う。
ECノードは、さまざまな処理アクティビティが行われる分散データセットのホストになる可能性がある。
この協力的アプローチを結論付ける上で重要な問題は、ECノードに仲間に存在するデータについて知らせるようにデータシナプスを交換することである。
本稿では,データシナプス交換のための不確実性駆動モデルを提案する。
論文 参考訳(メタデータ) (2020-07-24T16:58:51Z)
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。