論文の概要: Point Cloud in the Air

• arxiv url: http://arxiv.org/abs/2401.00658v1
• Date: Mon, 1 Jan 2024 04:11:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 16:35:46.438329
• Title: Point Cloud in the Air
• Title（参考訳）: 空気中の点雲
• Authors: Yulin Shao, Chenghong Bian, Li Yang, Qianqian Yang, Zhaoyang Zhang, Deniz Gunduz
• Abstract要約: PCの無線伝送は、既に混雑している無線帯域の負担を増大させる。 4つの実用的なソリューションフレームワーク、高度な技術、ハイブリッドスキーム、分散データ集約アプローチを提供しています。 私たちのゴールは、効率的で信頼性が高く、低遅延の無線PC伝送への道を示すことです。
• 参考スコア（独自算出の注目度）: 24.925588446787362
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Acquisition and processing of point clouds (PCs) is a crucial enabler for many emerging applications reliant on 3D spatial data, such as robot navigation, autonomous vehicles, and augmented reality. In most scenarios, PCs acquired by remote sensors must be transmitted to an edge server for fusion, segmentation, or inference. Wireless transmission of PCs not only puts on increased burden on the already congested wireless spectrum, but also confronts a unique set of challenges arising from the irregular and unstructured nature of PCs. In this paper, we meticulously delineate these challenges and offer a comprehensive examination of existing solutions while candidly acknowledging their inherent limitations. In response to these intricacies, we proffer four pragmatic solution frameworks, spanning advanced techniques, hybrid schemes, and distributed data aggregation approaches. In doing so, our goal is to chart a path toward efficient, reliable, and low-latency wireless PC transmission.
• Abstract（参考訳）: ポイントクラウド(PC)の取得と処理は、ロボットナビゲーション、自動運転車、拡張現実など、三次元空間データに依存する多くの新興アプリケーションにとって重要な実現手段である。 ほとんどのシナリオでは、リモートセンサーによって取得されたPCは、融合、セグメンテーション、推論のためにエッジサーバに送信されなければならない。 PCの無線伝送は、既に混雑している無線スペクトルの負担を増大させるだけでなく、PCの不規則で非構造的な性質から生じる固有の課題に直面している。 本稿では,これらの課題を慎重に詳述し,既存のソリューションを包括的に検証するとともに,本質的な限界を認めている。 これらの複雑さに応えて、先進的な技術、ハイブリッドスキーム、分散データ集約アプローチの4つの実用的ソリューションフレームワークを得る。 私たちのゴールは、効率的で信頼性が高く、低遅延の無線PC伝送への道筋をグラフ化することです。

関連論文リスト

• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Task-Oriented Integrated Sensing, Computation and Communication for Wireless Edge AI [46.61358701676358]
  エッジ人工知能(AI)は、従来のクラウドをネットワークエッジまで高速に計算するために提案されている。 近年,特定のエッジAIタスクに対する無線センシング,計算,通信(SC$2$)の収束が,パラダイムシフトを引き起こしている。 超信頼性で低レイテンシなエッジインテリジェンス獲得を実現するために、完全に統合されたセンシング、計算、通信(I SCC)を進めることが最重要である。
  論文  参考訳（メタデータ） (2023-06-11T06:40:51Z)
• Deep Learning based Computer Vision Methods for Complex Traffic Environments Perception: A Review [22.53793239186955]
  本稿では、インテリジェントトランスポートシステム(ITS)と自律運転(AD)におけるコンピュータビジョンの応用に関する広範な文献レビューを行った。 データ課題は、トレーニングデータの収集とラベル付け、実際の状況への関連性、データセット固有のバイアス、処理に必要な大量のデータ、プライバシの懸念に関連している。 ディープラーニング(DL)モデルは通常、組み込みハードウェアのリアルタイム処理には複雑すぎるため、説明可能性や一般化性が欠如しており、現実世界の設定ではテストが難しい。
  論文  参考訳（メタデータ） (2022-11-09T05:16:01Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Learning distributed channel access policies for networked estimation: data-driven optimization in the mean-field regime [1.52292571922932]
  共有ネットワーク上でセンサ計測を通信する問題は、多くの現代の大規模分散システムで広く使われている。 本研究では, 平均場法において, トラクタブルな最適化アルゴリズムを実現する構造を示す。 得られた推定システムの性能に対して、有限サンプル複雑度保証を許容するデータ駆動学習方式を得る。
  論文  参考訳（メタデータ） (2021-12-10T21:27:45Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• Distributed Learning in Wireless Networks: Recent Progress and Future Challenges [170.35951727508225]
  次世代のワイヤレスネットワークは、エッジデバイスが収集するさまざまな種類のデータを分析する多くの機械学習ツールやアプリケーションを可能にする。 エッジデバイスが生データ交換なしでMLモデルを協調的にトレーニングできるようにする手段として,分散学習と推論技術が提案されている。 本稿では,ワイヤレスエッジネットワーク上で分散学習を効率的に効果的に展開する方法を包括的に研究する。
  論文  参考訳（メタデータ） (2021-04-05T20:57:56Z)
• Towards AIOps in Edge Computing Environments [60.27785717687999]
  本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。 高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
  論文  参考訳（メタデータ） (2021-02-12T09:33:00Z)

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。