論文の概要: Generative AI-Aided QoE Maximization for RIS-Assisted Digital Twin Interaction

• arxiv url: http://arxiv.org/abs/2505.15828v1
• Date: Thu, 15 May 2025 02:00:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:47.788551
• Title: Generative AI-Aided QoE Maximization for RIS-Assisted Digital Twin Interaction
• Title（参考訳）: RIS支援ディジタル双極子相互作用のためのAI支援QoE最大化
• Authors: Jiayuan Chen, Yuxiang Li, Changyan Yi, Shimin Gong,
• Abstract要約: 本研究では、再構成可能なインテリジェントサーフェス(RIS)支援ディジタルツイン(DT)と不確実な進化との相互作用に対するQoE(Quality of Experience)-awareリソース割り当て問題について検討する。 我々のゴールは、様々なDTシーンにおけるDTインタラクションにおける全モバイルユーザの主観的および客観的QoEの総和を最大化することである。 我々は、ゼロ強制最適化(PG-ZFO)と統合されたプロンプト誘導決定変換器と呼ばれる新しいGAI支援手法を提案する。
• 参考スコア（独自算出の注目度）: 6.54922175613871
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we investigate a quality of experience (QoE)-aware resource allocation problem for reconfigurable intelligent surface (RIS)-assisted digital twin (DT) interaction with uncertain evolution. In the considered system, mobile users are expected to interact with a DT model maintained on a DT server that is deployed on a base station, via effective uplink and downlink channels assisted by an RIS. Our goal is to maximize the sum of all mobile users' joint subjective and objective QoE in DT interactions across various DT scenes, by jointly optimizing phase shift matrix, receive/transmit beamforming matrix, rendering resolution configuration and computing resource allocation. While solving this problem is challenging mainly due to the uncertain evolution of the DT model, which leads to multiple scene-specific problems, and require us to constantly re-solve each of them whenever DT model evolves. To this end, leveraging the dynamic optimization capabilities of decision transformers and the generalization strengths of generative artificial intelligence (GAI), we propose a novel GAI-aided approach, called the prompt-guided decision transformer integrated with zero-forcing optimization (PG-ZFO). Simulations are conducted to evaluate the proposed PG-ZFO, demonstrating its effectiveness and superiority over counterparts.
• Abstract（参考訳）: 本稿では、再構成可能なインテリジェントサーフェス(RIS)支援ディジタルツイン(DT)と不確実な進化との相互作用に対するQoE(Quality of Experience)-awareリソース割り当て問題について検討する。 提案システムでは, 基地局に展開するDTサーバ上に保持されているDTモデルと, RISによって支援された効果的なアップリンクおよびダウンリンクチャネルを介して対話することが期待されている。 我々のゴールは、位相シフト行列、受信/送信ビームフォーミング行列、レンダリング解像度設定、計算資源割り当てを共同最適化することで、DTシーン間のDTインタラクションにおける全モバイルユーザの主観的および客観的QoEの総和を最大化することである。 この問題の解決は、主にDTモデルの不確実な進化によって、複数のシーン固有の問題を引き起こし、DTモデルが進化するたびに、それぞれの問題を常に解決する必要があるため、困難である。 この目的のために、決定変換器の動的最適化機能と生成人工知能(GAI)の一般化強度を活用し、ゼロ強制最適化(PG-ZFO)と統合されたプロンプト誘導決定変換器と呼ばれる新しいGAI支援手法を提案する。 提案したPG-ZFOの有効性と優位性を示すシミュレーションを行った。

関連論文リスト

• Graph Based Deep Reinforcement Learning Aided by Transformers for Multi-Agent Cooperation [2.8169258551959544]
  本稿では、グラフニューラルネットワーク(GNN)、深層強化学習(DRL)、マルチエージェント協調と集合タスク実行の強化のためのトランスフォーマーベースのメカニズムを統合する新しいフレームワークを提案する。 提案手法はGNNを用いて,適応グラフ構築によるエージェントエージェントとエージェントゴールの相互作用をモデル化し,制約付き通信下での効率的な情報集約と意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-04-11T01:46:18Z)
• RSRWKV: A Linear-Complexity 2D Attention Mechanism for Efficient Remote Sensing Vision Task [20.16344973940904]
  高分解能リモートセンシング分析は、シーンの複雑さとスケールの多様性による課題に直面している。 逐次処理と2次元空間推論を橋渡しする新しい2D-WKVスキャン機構を特徴とするSRWKVを提案する。
  論文  参考訳（メタデータ） (2025-03-26T10:03:46Z)
• PER-DPP Sampling Framework and Its Application in Path Planning [5.158004370485019]
  意思決定中心の強化学習フレームワークは、高度な制御システム研究で注目されている。 本研究では,強化学習体験再生機構におけるサンプル問題に対する方法論的改善を提案する。 多様性評価にDPP(Determinant Point Process)を導入することにより、適応的な選択プロトコルを備えた二重基準サンプリングフレームワークを開発する。
  論文  参考訳（メタデータ） (2025-03-10T14:58:16Z)
• Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
  Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。 本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T07:28:22Z)
• Reconfigurable Intelligent Surface Aided Vehicular Edge Computing: Joint Phase-shift Optimization and Multi-User Power Allocation [28.47670676456068]
  本稿では、車載通信を支援するための代替通信経路を提供するRIS(Reconfigurable Intelligent Surfaces)について紹介する。 本稿では、RIS位相シフト係数を最適化するDeep Deterministic Policy Gradient(DDPG)アルゴリズムと、車両ユーザ(VU)の電力配分を最適化するMulti-Agent Deep Deterministic Policy Gradient(MADDPG)アルゴリズムを組み合わせたDRLフレームワークを提案する。 シミュレーションの結果,提案手法は従来の集中型DDPG, Twin Delayed Deep Deterministic Policy Gradient (TD3) およびいくつかの典型的なスキームよりも優れていた。
  論文  参考訳（メタデータ） (2024-07-18T03:18:59Z)
• Generative AI Agents with Large Language Model for Satellite Networks via a Mixture of Experts Transmission [74.10928850232717]
  本稿では、モデル定式化のための生成人工知能(AI)エージェントを開発し、送信戦略の設計に専門家(MoE)の混合を適用した。 具体的には,大規模言語モデル(LLM)を活用して対話型モデリングパラダイムを構築する。 定式化問題の解法として, MoE-proximal Policy Optimization (PPO) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-14T03:44:54Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
  モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。 再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。 具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
  論文  参考訳（メタデータ） (2020-12-25T07:08:50Z)

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。