論文の概要: Quantum Multi-Agent Reinforcement Learning for Cooperative Mobile Access in Space-Air-Ground Integrated Networks
- arxiv url: http://arxiv.org/abs/2406.16994v1
- Date: Mon, 24 Jun 2024 08:12:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-26 18:50:40.688753
- Title: Quantum Multi-Agent Reinforcement Learning for Cooperative Mobile Access in Space-Air-Ground Integrated Networks
- Title（参考訳）: 宇宙空間統合ネットワークにおける協調移動アクセスのための量子マルチエージェント強化学習
- Authors: Gyu Seon Kim, Yeryeong Cho, Jaehyun Chung, Soohyun Park, Soyi Jung, Zhu Han, Joongheon Kim,
- Abstract要約: キューブサットやHALE-UAVの数が増えると、各地上局(GS)のスケジューリングが増加する。
本稿では、GSとCubeSats/HALE-UAV間のスケジューリングのための量子マルチエージェント強化学習法(QMARL)を提案する。
- 参考スコア（独自算出の注目度）: 24.212371123371348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Achieving global space-air-ground integrated network (SAGIN) access only with CubeSats presents significant challenges such as the access sustainability limitations in specific regions (e.g., polar regions) and the energy efficiency limitations in CubeSats. To tackle these problems, high-altitude long-endurance unmanned aerial vehicles (HALE-UAVs) can complement these CubeSat shortcomings for providing cooperatively global access sustainability and energy efficiency. However, as the number of CubeSats and HALE-UAVs, increases, the scheduling dimension of each ground station (GS) increases. As a result, each GS can fall into the curse of dimensionality, and this challenge becomes one major hurdle for efficient global access. Therefore, this paper provides a quantum multi-agent reinforcement Learning (QMARL)-based method for scheduling between GSs and CubeSats/HALE-UAVs in order to improve global access availability and energy efficiency. The main reason why the QMARL-based scheduler can be beneficial is that the algorithm facilitates a logarithmic-scale reduction in scheduling action dimensions, which is one critical feature as the number of CubeSats and HALE-UAVs expands. Additionally, individual GSs have different traffic demands depending on their locations and characteristics, thus it is essential to provide differentiated access services. The superiority of the proposed scheduler is validated through data-intensive experiments in realistic CubeSat/HALE-UAV settings.
- Abstract（参考訳）: 宇宙空間統合ネットワーク(SAGIN)へのアクセスをキューブサットでのみ達成することは、特定の領域(例えば極域)におけるアクセス持続可能性の制限や、キューブサットにおけるエネルギー効率の制限といった重要な課題を示す。
これらの問題を解決するために、高高度長距離無人航空機(HALE-UAV)は、協調的にグローバルなアクセスサステナビリティとエネルギー効率を提供するためにこれらのCubeSatの欠点を補うことができる。
しかし、キューブサットやHALE-UAVの数が増えるにつれて、各地上局(GS)のスケジューリング次元が増加する。
その結果、各GSは次元の呪いに陥り、この挑戦は効率的なグローバルアクセスのための大きなハードルとなる。
そこで本稿では,GSとCubeSats/HALE-UAV間のスケジューリングを量子マルチエージェント強化学習(QMARL)で行うことで,グローバルアクセスの可用性とエネルギー効率を向上させる。
QMARLベースのスケジューラが有益である主な理由は、このアルゴリズムが、キューブサットとHALE-UAVの数が拡大するにつれて重要な特徴であるスケジューリング動作次元の対数スケールの削減を促進することである。
さらに、個々のGSは、位置や特徴によってトラフィックの需要が異なるため、異なるアクセスサービスを提供することが不可欠である。
提案したスケジューラの優位性は,リアルなCubeSat/HALE-UAV設定におけるデータ集約実験によって検証される。
関連論文リスト
- Demand-Aware Beam Hopping and Power Allocation for Load Balancing in Digital Twin empowered LEO Satellite Networks [6.8053434130447625]
ビームホッピング(BH)技術を利用した低地球軌道(LEO)衛星は、広範囲のカバレッジ、低レイテンシ、高帯域幅、大きな柔軟性を提供する。
従来のビームホッピング(BH)法は、衛星干渉、重なり合うカバー、モビリティといった問題に対処できない。
本稿では,複数のLEO衛星を対象としたDigital Twin(DT)を用いた協調資源割り当てネットワークについて検討する。
論文 参考訳（メタデータ） (2024-10-29T01:32:11Z) - SatFed: A Resource-Efficient LEO Satellite-Assisted Heterogeneous Federated Learning Framework [19.59862482196897]
資源効率の高い衛星支援ヘテロジニアスFLフレームワークであるSatFedを提案する。
SatFedは、高度に制約された衛星地上帯域の利用を最適化するために、鮮度に基づくモデルの優先順位付けキューを実装している。
実世界のLEO衛星ネットワークを用いた実験により、SatFedは最先端のベンチマークよりも優れた性能と堅牢性を発揮することが示された。
論文 参考訳（メタデータ） (2024-09-20T13:44:00Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - Greit-HRNet: Grouped Lightweight High-Resolution Network for Human Pose Estimation [0.0]
軽量モジュールは高解像度ネットワークにおけるコストのかかるポイントワイズ畳み込みを置き換えるために提案されている。
グループ化チャネル重み付け(GCW)と空間重み付け(GSW)を含むグリットブロックを提案する。
我々は,MS-COCOとMPIIによるポーズ推定データセットの実験を行い,Greit-HRNetの優れた性能を示し,他の最先端軽量ネットワークよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-07-10T06:28:25Z) - Label-free Deep Learning Driven Secure Access Selection in
Space-Air-Ground Integrated Networks [26.225658457052834]
宇宙空間統合ネットワーク(SAGIN)では、固有のオープン性と広範な放送範囲が、これらのネットワークを盗聴の脅威に晒している。
異種資源と異なる盗聴モデルの両方により、秘密指向のアクセス戦略を実行することは困難である。
本稿では,Q-network を用いたディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2023-08-28T06:48:06Z) - Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A
Reinforcement Learning Based Approach [61.74489383629319]
新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。
閉ループアクセス制御の強化学習(RL)支援方式を提案する。
深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
論文 参考訳（メタデータ） (2023-03-05T12:25:49Z) - Olive Branch Learning: A Topology-Aware Federated Learning Framework for
Space-Air-Ground Integrated Network [19.059950250921926]
SAGINの助けを借りてAIモデルをトレーニングすることは、高度に制約されたネットワークトポロジ、非効率なデータ転送、プライバシー問題といった課題に直面している。
まず,SAGINのための新しいトポロジ対応フェデレーション学習フレームワーク,すなわちOlive Branch Learning (OBL)を提案する。
我々はOBLフレームワークとCNASAアルゴリズムを拡張し、より複雑なマルチ軌道衛星ネットワークに適応する。
論文 参考訳（メタデータ） (2022-12-02T14:51:42Z) - A CubeSat platform for space based quantum key distribution [62.997667081978825]
我々は3UキューブサットであるSpooQy-1のフォローアップミッションについて報告し、軌道上で偏光に絡み合った光子の発生を実証した。
ミッションの次のイテレーションでは、偏光に絡み合った光子対のコンパクトなソースに基づいて、衛星と地上の量子鍵の分布を示す。
我々は,現在シンガポールで建設中の光地上局の設計について,量子信号を受信するための設計を簡潔に述べる。
論文 参考訳（メタデータ） (2022-04-23T06:28:43Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳（メタデータ） (2021-10-28T14:12:10Z) - GAIA: A Transfer Learning System of Object Detection that Fits Your
Needs [136.60609274344893]
大規模データセットの事前学習によるトランスファーラーニングは,コンピュータビジョンや自然言語処理において,ますます重要な役割を担っている。
本稿では,物体検出の領域に着目し,GAIAと呼ばれる移動学習システムを提案する。
GAIAは、レイテンシ制約や指定されたデータドメインなどの下流要求に適合するモデルを選択する、強力な事前訓練されたウェイトを提供することができる。
論文 参考訳（メタデータ） (2021-06-21T18:24:20Z) - 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)
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。