論文の概要: Mobile Edge Adversarial Detection for Digital Twinning to the Metaverse with Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2303.10288v1
• Date: Sat, 18 Mar 2023 00:03:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 20:24:23.587584
• Title: Mobile Edge Adversarial Detection for Digital Twinning to the Metaverse with Deep Reinforcement Learning
• Title（参考訳）: 深部強化学習によるメタバースへのデジタルツインニングの移動端対向検出
• Authors: Terence Jie Chua, Wenhan Yu, Jun Zhao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.513938423514636
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-time Digital Twinning of physical world scenes onto the Metaverse is necessary for a myriad of applications such as augmented-reality (AR) assisted driving. In AR assisted driving, physical environment scenes are first captured by Internet of Vehicles (IoVs) and are uploaded to the Metaverse. A central Metaverse Map Service Provider (MMSP) will aggregate information from all IoVs to develop a central Metaverse Map. Information from the Metaverse Map can then be downloaded into individual IoVs on demand and be delivered as AR scenes to the driver. However, the growing interest in developing AR assisted driving applications which relies on digital twinning invites adversaries. These adversaries may place physical adversarial patches on physical world objects such as cars, signboards, or on roads, seeking to contort the virtual world digital twin. Hence, there is a need to detect these physical world adversarial patches. Nevertheless, as real-time, accurate detection of adversarial patches is compute-intensive, these physical world scenes have to be offloaded to the Metaverse Map Base Stations (MMBS) for computation. Hence in our work, we considered an environment with moving Internet of Vehicles (IoV), uploading real-time physical world scenes to the MMBSs. We formulated a realistic joint variable optimization problem where the MMSPs' objective is to maximize adversarial patch detection mean average precision (mAP), while minimizing the computed AR scene up-link transmission latency and IoVs' up-link transmission idle count, through optimizing the IoV-MMBS allocation and IoV up-link scene resolution selection. We proposed a Heterogeneous Action Proximal Policy Optimization (HAPPO) (discrete-continuous) algorithm to tackle the proposed problem. Extensive experiments shows HAPPO outperforms baseline models when compared against key metrics.
• Abstract（参考訳）: 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。 しかし、デジタルツインニングに依存するAR支援アプリケーションの開発への関心が高まっており、敵を招いている。 これらの敵は、仮想世界のデジタル双生児をゆがめるために、車、看板、道路などの物理的な世界オブジェクトに物理的な敵パッチを配置することができる。 したがって、これらの物理的世界敵パッチを検出する必要がある。 それでも、リアルタイムかつ正確な敵パッチの検出は計算集約的であるため、計算のためには、これらの物理的な世界シーンをメタバースマップベースステーション(mmbs)にオフロードする必要がある。 そこで本研究では,リアルタイムな物理世界シーンをMBSにアップロードする,移動型車両インターネット(IoV)の環境を検討した。 IoV-MMBSアロケーションとIoVアップリンクシーン解像度の選択を最適化することにより、計算されたARシーンのアップリンク送信遅延とIoVのアップリンク送信アイドル数を最小化しながら、MMSPの目標は、敵パッチ検出平均平均平均精度(mAP)を最大化することである。 提案した問題に対処するために,不均一な行動プロキシポリシー最適化(HAPPO)アルゴリズムを提案した。 大規模な実験では、HAPPOは主要な指標と比較してベースラインモデルを上回っている。

関連論文リスト

• Blockchain-based Pseudonym Management for Vehicle Twin Migrations in Vehicular Edge Metaverse [73.79237826420925]
  Vehicle Twins(VT)は、VMUの運転安全性と車載満足度を改善するために、貴重なメタバースサービスを提供している。 中断しないメタバース体験を維持するためには、VTは車両の動きに従ってエッジサーバ間で移動する必要がある。 これにより、車両のエッジメタバース間の動的通信中にプライバシー侵害が懸念される可能性がある。 既存の偽名管理手法は、車両のエッジメタバースにおける広範囲な偽名要求を満たすには不十分である。
  論文  参考訳（メタデータ） (2024-03-22T15:31:37Z)
• Distributed Radiance Fields for Edge Video Compression and Metaverse Integration in Autonomous Driving [13.536641570721798]
  メタバースは 物理的な要素と デジタル要素を組み合わせた 仮想空間だ 没入型で接続された デジタル世界を創りだす デジタルツイン(DT)は仮想プロトタイピング、予測などを提供する。 DTは、現実世界の幾何学、外観、ダイナミクスをキャプチャする3Dシーン再構成手法で作成することができる。
  論文  参考訳（メタデータ） (2024-02-22T15:39:58Z)
• 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)
• Mobile Edge Computing for the Metaverse [15.738852406775289]
  次世代のインターネットとして登場したMetaverseは、人々が生き、学び、働き、相互に対話できる没入的で永続的な仮想空間を提供することを目指している。 既存の技術は、Metaverseプレイヤーにとって、高品質で超低レイテンシなサービスを保証するには不十分である。 モバイルエッジコンピューティング(英語: Mobile Edge Computing、MEC)は、画像処理やビデオ解析のような計算集約的で遅延に敏感なタスクを実行するために、近縁サーバを利用するパラダイムである。
  論文  参考訳（メタデータ） (2022-12-19T03:37:32Z)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• 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)
• Evaluating the Robustness of Semantic Segmentation for Autonomous Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
  自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。 本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
  論文  参考訳（メタデータ） (2021-08-13T11:49:09Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)

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。