論文の概要: Push- and Pull-based Effective Communication in Cyber-Physical Systems
- arxiv url: http://arxiv.org/abs/2401.10921v1
- Date: Mon, 15 Jan 2024 10:06:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-28 15:54:02.774973
- Title: Push- and Pull-based Effective Communication in Cyber-Physical Systems
- Title（参考訳）: サイバー物理システムにおけるプッシュとプルによる効果的なコミュニケーション
- Authors: Pietro Talli, Federico Mason, Federico Chiariotti, and Andrea Zanella
- Abstract要約: 我々は,CPSにおけるプッシュ・アンド・プル・コミュニケーションの分析モデルを提案し,そのポリシーの最適性はサイバー価値情報(VoI)の状態と一致していることを確認した。
我々の結果は、より良い最適ソリューションを提供するにもかかわらず、実装可能なプッシュベースの通信戦略は比較的単純なシナリオでも性能が劣る可能性があることも強調した。
- 参考スコア（独自算出の注目度）: 15.079887992932692
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In Cyber Physical Systems (CPSs), two groups of actors interact toward the
maximization of system performance: the sensors, observing and disseminating
the system state, and the actuators, performing physical decisions based on the
received information. While it is generally assumed that sensors periodically
transmit updates, returning the feedback signal only when necessary, and
consequently adapting the physical decisions to the communication policy, can
significantly improve the efficiency of the system. In particular, the choice
between push-based communication, in which updates are initiated autonomously
by the sensors, and pull-based communication, in which they are requested by
the actuators, is a key design step. In this work, we propose an analytical
model for optimizing push- and pull-based communication in CPSs, observing that
the policy optimality coincides with Value of Information (VoI) maximization.
Our results also highlight that, despite providing a better optimal solution,
implementable push-based communication strategies may underperform even in
relatively simple scenarios.
- Abstract（参考訳）: サイバー物理システム(cpss)では、2つのアクターがシステム性能の最大化に向けて相互作用する: センサー、システム状態の観察と普及、受信した情報に基づいて物理的決定を行うアクチュエータである。
一般に、センサーは定期的に更新を送信し、必要に応じてフィードバック信号を返却し、その結果、物理的決定を通信方針に適応させることで、システムの効率を大幅に改善できると仮定されている。
特に、センサによって自律的に更新を開始するプッシュベースの通信と、アクチュエータによって要求されるプルベースの通信とが、重要な設計ステップである。
本研究では,CPSにおけるプッシュ・アンド・プル・ベースの通信を最適化するための分析モデルを提案し,ポリシーの最適性は情報の価値(VoI)の最大化と一致することを示した。
我々の結果は、より良い最適ソリューションを提供するにもかかわらず、実装可能なプッシュベースの通信戦略は比較的単純なシナリオでも性能が劣る可能性があることも強調した。
関連論文リスト
- Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。
本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
論文 参考訳（メタデータ） (2024-11-01T05:56:51Z) - Integrated Push-and-Pull Update Model for Goal-Oriented Effective Communication [40.57990979803115]
センサエージェントがソースを観測し、アクティベーションエージェントに更新を生成し、送信するエンドツーエンドのステータス更新システムについて検討する。
我々はプッシュ・アンド・プル・モデルを得るためにプッシュ・アンド・プル・アップデート・コミュニケーション・モデルを統合する。
提案したプッシュ・アンド・プルモデルでは,プッシュ・アンド・プル・モデルはプッシュ・アンド・プル・ベースの更新のみに基づくモデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2024-07-19T07:57:31Z) - Effective Communication with Dynamic Feature Compression [25.150266946722]
本研究では,タスクを制御するロボットに対して,観察者が知覚データを伝達しなければならないプロトタイパルシステムについて検討する。
本稿では, 量子化レベルを動的に適応させるために, アンサンブルベクトル量子化変分オートエンコーダ(VQ-VAE)を符号化し, 深層強化学習(DRL)エージェントを訓練する。
我々は、よく知られたCartPole参照制御問題に対して提案手法を検証し、大幅な性能向上を得た。
論文 参考訳（メタデータ） (2024-01-29T15:35:05Z) - Reasoning with the Theory of Mind for Pragmatic Semantic Communication [62.87895431431273]
本稿では,実用的な意味コミュニケーションフレームワークを提案する。
2つの知性エージェント間の効果的な目標指向情報共有を可能にする。
数値的な評価は、少ないビット量で効率的な通信を実現するためのフレームワークの能力を示している。
論文 参考訳（メタデータ） (2023-11-30T03:36:19Z) - Multi-Agent Reinforcement Learning for Pragmatic Communication and
Control [40.11766545693947]
本稿では,目標指向通信とネットワーク制御を組み合わせた統合設計を単一最適化モデルとして提案する。
通信システムと制御システムの合同訓練は、全体的な性能を著しく向上させることができる。
論文 参考訳（メタデータ） (2023-02-28T08:30:24Z) - Semantic and Effective Communication for Remote Control Tasks with
Dynamic Feature Compression [23.36744348465991]
ロボットの群れの調整と産業システムのリモート無線制御は、5Gおよびそれ以上のシステムの主要なユースケースである。
本研究では,タスクを制御するアクターに知覚データを伝達しなければならないプロトタイパルシステムについて考察する。
本稿では,量子化レベルを動的に適応させるために,アンサンブルベクトル量子化変分オートエンコーダ(VQ-VAE)を符号化し,深層強化学習(DRL)エージェントを訓練する。
論文 参考訳（メタデータ） (2023-01-14T11:43:56Z) - Age of Semantics in Cooperative Communications: To Expedite Simulation
Towards Real via Offline Reinforcement Learning [53.18060442931179]
協調リレー通信システムにおける状態更新のセマンティックス更新度を測定するための意味学年代(AoS)を提案する。
オンライン・ディープ・アクター・クリティック(DAC)学習手法を,政治時間差学習の枠組みに基づいて提案する。
そこで我々は,以前に収集したデータセットから最適制御ポリシーを推定する,新しいオフラインDAC方式を提案する。
論文 参考訳（メタデータ） (2022-09-19T11:55:28Z) - Optimal Power Allocation for Rate Splitting Communications with Deep
Reinforcement Learning [61.91604046990993]
このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。
ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
論文 参考訳（メタデータ） (2021-07-01T06:32:49Z) - Deep reinforcement learning of event-triggered communication and control
for multi-agent cooperative transport [9.891241465396098]
協調輸送のためのコミュニケーション・制御戦略の設計問題に対処する多エージェント強化学習手法を検討する。
我々のフレームワークはイベントトリガーアーキテクチャ、すなわち通信入力を演算するフィードバックコントローラと、入力を再更新する必要があるタイミングを決定するトリガー機構を利用する。
論文 参考訳（メタデータ） (2021-03-29T01:16:12Z) - Path Design and Resource Management for NOMA enhanced Indoor Intelligent
Robots [58.980293789967575]
通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。
室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。
調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
論文 参考訳（メタデータ） (2020-11-23T21:45:01Z) - Optimizing Interactive Systems via Data-Driven Objectives [70.3578528542663]
本稿では,観察されたユーザインタラクションから直接目的を推測する手法を提案する。
これらの推論は、事前の知識によらず、様々な種類のユーザー行動にまたがって行われる。
本稿では,これらの推定対象を最適化するために利用する新しいアルゴリズムであるInteractive System(ISO)を紹介する。
論文 参考訳（メタデータ） (2020-06-19T20:49:14Z)
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。