論文の概要: Maximizing the Promptness of Metaverse Systems using Edge Computing by Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2506.02657v1
• Date: Tue, 03 Jun 2025 09:10:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:42:09.405729
• Title: Maximizing the Promptness of Metaverse Systems using Edge Computing by Deep Reinforcement Learning
• Title（参考訳）: エッジコンピューティングを用いた深層強化学習によるメタバースシステムの確率の最大化
• Authors: Tam Ninh Thi-Thanh, Trinh Van Chien, Hung Tran, Nguyen Hoai Son, Van Nhan Vo,
• Abstract要約: 本稿では,メタバースシステムに基づくDigital Twinを支援するために,深層強化学習(DRL)の利点を紹介する。 本システムでは,実世界からデータを収集して仮想世界へ転送するMetaverse Userデバイスがいくつか含まれていると仮定する。 提案するDRLアルゴリズムは,動的環境におけるDTの迅速性を確保するためにタスクのオフロードに適したアルゴリズムである。
• 参考スコア（独自算出の注目度）: 7.405872670079697
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metaverse and Digital Twin (DT) have attracted much academic and industrial attraction to approach the future digital world. This paper introduces the advantages of deep reinforcement learning (DRL) in assisting Metaverse system-based Digital Twin. In this system, we assume that it includes several Metaverse User devices collecting data from the real world to transfer it into the virtual world, a Metaverse Virtual Access Point (MVAP) undertaking the processing of data, and an edge computing server that receives the offloading data from the MVAP. The proposed model works under a dynamic environment with various parameters changing over time. The experiment results show that our proposed DRL algorithm is suitable for offloading tasks to ensure the promptness of DT in a dynamic environment.
• Abstract（参考訳）: MetaverseとDigital Twin(DT)は、将来のデジタルワールドに近づくために、多くの学術的、産業的な魅力を惹きつけてきた。 本稿では,メタバースシステムに基づくDigital Twinを支援するために,深層強化学習(DRL)の利点を紹介する。 本システムでは,実世界からデータを収集して仮想世界へ転送するMetaverse Userデバイスと,データ処理を行うMetaverse Virtual Access Point(MVAP)と,MVAPからデータをオフロードするエッジコンピューティングサーバとを含むと仮定する。 提案モデルは動的環境下で動作し,様々なパラメータが時間とともに変化する。 実験の結果,提案したDRLアルゴリズムは動的環境におけるDTの迅速性を確保するためにタスクをオフロードするのに適していることがわかった。

関連論文リスト

• MMA-DFER: MultiModal Adaptation of unimodal models for Dynamic Facial Expression Recognition in-the-wild [81.32127423981426]
  実世界のアプリケーションでは,音声およびビデオデータに基づくマルチモーダル感情認識が重要である。 近年の手法は、強力なマルチモーダルエンコーダの事前学習に自己教師付き学習(SSL)の進歩を活用することに重点を置いている。 SSL-pre-trained disimodal encoders を用いて,この問題に対する異なる視点とマルチモーダル DFER の性能向上について検討する。
  論文  参考訳（メタデータ） (2024-04-13T13:39:26Z)
• Digital Twin-Enhanced Deep Reinforcement Learning for Resource Management in Networks Slicing [46.65030115953947]
  本稿では,デジタルツインと強化学習エージェントからなるフレームワークを提案する。 具体的には、歴史的データとニューラルネットワークを用いて、実環境の状態変動則をシミュレートするデジタルツインモデルを構築することを提案する。 また、このフレームワークをオフラインで強化学習に拡張し、歴史的データのみに基づいたインテリジェントな意思決定にソリューションを利用できるようにします。
  論文  参考訳（メタデータ） (2023-11-28T15:25:14Z)
• Robust 6DoF Pose Estimation Against Depth Noise and a Comprehensive Evaluation on a Mobile Dataset [5.424654352786403]
  モバイルデバイスによる6DoFのポーズ推定は、ロボット工学、拡張現実、デジタルツインローカライゼーションの応用の基礎となっている。 DTTDNetと呼ばれるトランスフォーマーベースの6DoFポーズ推定手法を提案する。 提案手法は, 各種測定ノイズに対して優れたロバスト性を示し, ノイズ測定に対するロバスト性に関する新しいベンチマークを設定できる。
  論文  参考訳（メタデータ） (2023-09-24T07:06:45Z)
• Efficient Task Offloading Algorithm for Digital Twin in Edge/Cloud Computing Environment [14.14935102383516]
  デジタルツイン(DT)は、物理オブジェクトとデジタルワールドの間の橋渡しとして、様々な領域に力を与える。 Mobile Cloud Computing (MCC) と Mobile Edge Computing (MEC) は、リアルタイムフィードバックを実現する上で重要な要素の2つになっている。 異種MEC/MCC環境を考慮した新しいDTシステムモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-12T03:31:34Z)
• Training Deep Surrogate Models with Large Scale Online Learning [48.7576911714538]
  ディープラーニングアルゴリズムは、PDEの高速解を得るための有効な代替手段として登場した。 モデルは通常、ソルバによって生成された合成データに基づいてトレーニングされ、ディスクに格納され、トレーニングのために読み返される。 ディープサロゲートモデルのためのオープンソースのオンライントレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-28T12:02:27Z)
• Model-Based Reinforcement Learning with Multi-Task Offline Pretraining [59.82457030180094]
  本稿では,オフラインデータから新しいタスクへ,潜在的に有用なダイナミックスや動作デモを伝達するモデルベースRL法を提案する。 主な考え方は、世界モデルを行動学習のシミュレーターとしてだけでなく、タスクの関連性を測定するツールとして使うことである。 本稿では,Meta-WorldとDeepMind Control Suiteの最先端手法と比較して,我々のアプローチの利点を実証する。
  論文  参考訳（メタデータ） (2023-06-06T02:24:41Z)
• Towards Scale Consistent Monocular Visual Odometry by Learning from the Virtual World [83.36195426897768]
  仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。 まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。 結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
  論文  参考訳（メタデータ） (2022-03-11T01:51:54Z)
• Dynamic Network-Assisted D2D-Aided Coded Distributed Learning [59.29409589861241]
  本稿では,デバイス間のロードバランシングのための新しいデバイス・ツー・デバイス(D2D)支援型符号化学習手法(D2D-CFL)を提案する。 最小処理時間を達成するための最適圧縮率を導出し、収束時間との接続を確立する。 提案手法は,ユーザが継続的にトレーニングデータを生成するリアルタイム協調アプリケーションに有用である。
  論文  参考訳（メタデータ） (2021-11-26T18:44:59Z)

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。