論文の概要: Toward Autonomous Cooperation in Heterogeneous Nanosatellite
Constellations Using Dynamic Graph Neural Networks
- arxiv url: http://arxiv.org/abs/2403.00692v2
- Date: Mon, 4 Mar 2024 04:47:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-05 22:01:18.962589
- Title: Toward Autonomous Cooperation in Heterogeneous Nanosatellite
Constellations Using Dynamic Graph Neural Networks
- Title(参考訳): 動的グラフニューラルネットワークを用いた異種ナノサテライトコンステレーションの自律的協調に向けて
- Authors: Guillem Casadesus-Vila, Joan-Adria Ruiz-de-Azua, Eduard Alarcon
- Abstract要約: 本稿では,星座とCPを動的ネットワークとしてモデル化し,その課題を克服する新しい手法を提案する。
トレーニングされたニューラルネットワークは、平均絶対誤差3.6分でネットワーク遅延を予測することができる。
シミュレーションの結果,提案手法は大型衛星ネットワークの接触計画の設計に成功し,従来のアプローチと同様,遅延率を29.1%向上させることができた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The upcoming landscape of Earth Observation missions will defined by
networked heterogeneous nanosatellite constellations required to meet strict
mission requirements, such as revisit times and spatial resolution. However,
scheduling satellite communications in these satellite networks through
efficiently creating a global satellite Contact Plan (CP) is a complex task,
with current solutions requiring ground-based coordination or being limited by
onboard computational resources. The paper proposes a novel approach to
overcome these challenges by modeling the constellations and CP as dynamic
networks and employing graph-based techniques. The proposed method utilizes a
state-of-the-art dynamic graph neural network to evaluate the performance of a
given CP and update it using a heuristic algorithm based on simulated
annealing. The trained neural network can predict the network delay with a mean
absolute error of 3.6 minutes. Simulation results show that the proposed method
can successfully design a contact plan for large satellite networks, improving
the delay by 29.1%, similar to a traditional approach, while performing the
objective evaluations 20x faster.
- Abstract(参考訳): 地球観測ミッションの今後の展望は、再訪時間や空間分解などの厳密なミッション要件を満たすために必要な、ネットワーク化された異種ナノ衛星の星座によって定義される。
しかし、これらの衛星ネットワークにおける衛星通信のスケジューリングは、地球規模の衛星コンタクトプラン(CP)を効率的に作成することで複雑な作業であり、現在のソリューションでは地上での調整や、オンボードの計算資源によって制限されている。
本稿では,星座とCPを動的ネットワークとしてモデル化し,グラフベースの手法を用いてこれらの課題を克服する新しい手法を提案する。
提案手法は,最先端の動的グラフニューラルネットワークを用いて,与えられたcpの性能を評価し,シミュレーションアニーリングに基づくヒューリスティックアルゴリズムを用いて更新する。
トレーニングされたニューラルネットワークは、平均絶対誤差3.6分でネットワーク遅延を予測することができる。
シミュレーションの結果,提案手法は大規模衛星ネットワークの接触計画の設計に成功し,従来の手法と同様の遅延率を29.1%向上し,目標評価を20倍高速化できることがわかった。
関連論文リスト
- Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。
AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。
2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
論文 参考訳(メタデータ) (2023-06-15T14:50:27Z) - Entanglement Distribution in Satellite-based Dynamic Quantum Networks [10.445684354981847]
低地球軌道(LEO)衛星は、グローバルな量子情報ネットワークを確立するための魅力的な機会を提供する。
既存の作品では、絡み合いを分散する際に時間とともに衛星の動きを考慮せず、あるいは衛星間リンクに沿って絡み合い分布を許可しない場合が多い。
まず、衛星移動と衛星間リンクの両方を考慮したシステムモデルを定義する。
論文 参考訳(メタデータ) (2023-06-15T06:56:26Z) - Artificial Intelligence Techniques for Next-Generation Mega Satellite
Networks [37.87439415970645]
本稿では,地球規模の衛星ネットワーク,特に大規模衛星ネットワーク通信におけるAI技術の適用について紹介する。
巨大な衛星ネットワークのユニークな特徴を詳述し、現在の通信インフラへの統合と相容れない課題を詳述する。
これには、高度にダイナミックなラジオチャンネル、スペクトルセンシングと分類、信号検出と復調、衛星間および衛星アクセスネットワーク最適化、ネットワークセキュリティの予測にAIを適用することが含まれる。
論文 参考訳(メタデータ) (2022-06-02T13:56:32Z) - Federated learning for LEO constellations via inter-HAP links [0.0]
ローアース・オービット(LEO)衛星星座は近年、急速に展開している。
このような応用に機械学習(ML)を適用するには、画像などの衛星データを地上局(GS)にダウンロードする従来の方法は望ましいものではない。
既存のFLソリューションは、過剰収束遅延や信頼できない無線チャネルといった大きな課題のために、そのようなLEOコンステレーションのシナリオには適さないことを示す。
論文 参考訳(メタデータ) (2022-05-15T08:22:52Z) - Learning Emergent Random Access Protocol for LEO Satellite Networks [51.575090080749554]
創発的ランダムアクセスチャネルプロトコル(eRACH)と呼ばれるLEO SATネットワークのための新しい許可なしランダムアクセスソリューションを提案する。
eRACHは、非定常ネットワーク環境との相互作用によって生じるモデルフリーなアプローチである。
RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上することを示す。
論文 参考訳(メタデータ) (2021-12-03T07:44:45Z) - Graph-Based Spatial-Temporal Convolutional Network for Vehicle
Trajectory Prediction in Autonomous Driving [2.6774008509841005]
本稿では,グラフに基づく時空間畳み込みネットワーク(GSTCN)を提案する。
時空間の特徴を符号化し、ゲートリカレントユニット(GRU)ネットワークで復号し、将来の軌道分布を生成する。
次世代シミュレーション(NGSIM)におけるI-80とUS-101の2つの実世界の高速道路軌跡データを用いたネットワーク評価
論文 参考訳(メタデータ) (2021-09-27T02:20:38Z) - Spatio-temporal Modeling for Large-scale Vehicular Networks Using Graph
Convolutional Networks [110.80088437391379]
SMARTと呼ばれるグラフベースのフレームワークが提案され、大規模な地理的領域にわたるV2I通信遅延の統計をモデル化し、追跡する。
深層Q-networksアルゴリズムと統合したグラフ畳み込みネットワークを用いたグラフ再構築型手法を開発する。
その結果,提案手法は,モデル化の精度と効率と,大規模車両ネットワークにおける遅延性能を有意に向上させることが示された。
論文 参考訳(メタデータ) (2021-03-13T06:56:29Z) - A Maximum Independent Set Method for Scheduling Earth Observing
Satellite Constellations [41.013477422930755]
本稿では,衛星スケジューリング問題の解法として,実現不可能なグラフ表現を生成する手法を提案する。
光衛星のスカイサット星座と、最大24個の衛星のシミュレートされた星座の、要求された最大10,000の撮像位置のシナリオでテストされている。
論文 参考訳(メタデータ) (2020-08-15T19:32:21Z) - Bottom-up mechanism and improved contract net protocol for the dynamic
task planning of heterogeneous Earth observation resources [61.75759893720484]
地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。
観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。
不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
論文 参考訳(メタデータ) (2020-07-13T03:51:08Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳(メタデータ) (2020-05-26T05:39:27Z) - Constructing Geographic and Long-term Temporal Graph for Traffic
Forecasting [88.5550074808201]
交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。
本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2020-04-23T03:50:46Z)
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。