論文の概要: Adaptive Social Metaverse Streaming based on Federated Multi-Agent Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2506.17342v1
• Date: Thu, 19 Jun 2025 13:33:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.364422
• Title: Adaptive Social Metaverse Streaming based on Federated Multi-Agent Deep Reinforcement Learning
• Title（参考訳）: 階層型深層強化学習に基づく適応型社会メタバースストリーミング
• Authors: Zijian Long, Haopeng Wang, Haiwei Dong, Abdulmotaleb El Saddik,
• Abstract要約: ソーシャルメタバースは、ソーシャルな対話、仕事、買い物、エンターテイメントを楽しむことができる。 没入的な相互作用には生体データと行動データの連続的な収集が必要であるため、プライバシは依然として大きな課題である。 我々はF-MAPPO(Federated Multi-Agent Proximal Policy Optimization)に基づく新しいストリーミングシステムであるASMS(Adaptive Social Metaverse Streaming)を提案する。
• 参考スコア（独自算出の注目度）: 3.8611070161950916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The social metaverse is a growing digital ecosystem that blends virtual and physical worlds. It allows users to interact socially, work, shop, and enjoy entertainment. However, privacy remains a major challenge, as immersive interactions require continuous collection of biometric and behavioral data. At the same time, ensuring high-quality, low-latency streaming is difficult due to the demands of real-time interaction, immersive rendering, and bandwidth optimization. To address these issues, we propose ASMS (Adaptive Social Metaverse Streaming), a novel streaming system based on Federated Multi-Agent Proximal Policy Optimization (F-MAPPO). ASMS leverages F-MAPPO, which integrates federated learning (FL) and deep reinforcement learning (DRL) to dynamically adjust streaming bit rates while preserving user privacy. Experimental results show that ASMS improves user experience by at least 14% compared to existing streaming methods across various network conditions. Therefore, ASMS enhances the social metaverse experience by providing seamless and immersive streaming, even in dynamic and resource-constrained networks, while ensuring that sensitive user data remains on local devices.
• Abstract（参考訳）: ソーシャルなメタバースは、仮想世界と物理世界を融合させるデジタルエコシステムが成長している。 ユーザーはソーシャルな交流、仕事、買い物、エンターテイメントを楽しむことができる。 しかし、没入的な相互作用は生体データと行動データの連続的な収集を必要とするため、プライバシは依然として大きな課題である。 同時に、リアルタイムインタラクション、没入型レンダリング、帯域幅最適化の要求により、高品質で低レイテンシなストリーミングを保証することは困難である。 本稿では,F-MAPPO(Federated Multi-Agent Proximal Policy Optimization)に基づく新しいストリーミングシステムであるASMS(Adaptive Social Metaverse Streaming)を提案する。 ASMSはF-MAPPOを活用し、FL(Federated Learning)とDRL(Deep reinforcement Learning)を統合し、ユーザのプライバシーを維持しながらストリーミングビットレートを動的に調整する。 実験の結果,ASMSは様々なネットワーク環境における既存のストリーミング手法と比較して,ユーザエクスペリエンスを少なくとも14%向上させることがわかった。 そのため、ASMSは、動的およびリソース制約のあるネットワークであってもシームレスで没入的なストリーミングを提供することで、ローカルデバイスに機密データが残ることを保証することにより、ソーシャルなメタバースエクスペリエンスを向上させる。

関連論文リスト

• SIV-Bench: A Video Benchmark for Social Interaction Understanding and Reasoning [53.16179295245888]
  SIV-Benchは、SSU(Social Scene Understanding)、SSR(Social State Reasoning)、SDP(Social Dynamics Prediction)におけるMLLM(Multimodal Large Language Models)の機能を評価するための新しいビデオベンチマークである。 SIV-Benchは、2,792本のビデオクリップと8,792本の人間とLLMのコラボレーティブパイプラインから得られた精巧に生成された質問応答ペアを備えている。 また、異なるテキストキュー固有のオンスクリーンテキスト、追加の対話、あるいはノーテキストの影響を分析するための専用の設定も含まれている。
  論文  参考訳（メタデータ） (2025-06-05T05:51:35Z)
• Smooth Handovers via Smoothed Online Learning [48.953313950521746]
  まず、欧州の商用モバイルネットワークオペレータ(MNO)から4000万人以上のユーザを対象に、HOに対する重要な特徴とパフォーマンスへの影響を理解し、明らかにするために、広範なデータセットを分析した。 本研究は, HO故障/遅延と無線セルとエンドユーザーデバイスの特徴の相関関係を明らかにする。 本稿では,HO最適化にデバイスとセルの機能を組み込むことで,既存のアプローチを拡張したスムーズで高精度なHOのための現実的なシステムモデルを提案する。
  論文  参考訳（メタデータ） (2025-01-14T13:16:33Z)
• OASIS: Open Agent Social Interaction Simulations with One Million Agents [147.00696959981173]
  実世界のソーシャルメディアプラットフォームに基づくスケーラブルなソーシャルメディアシミュレータを提案する。 OASISは最大100万人のユーザをモデリングできる大規模なユーザシミュレーションをサポートする。 我々は、情報拡散、グループ分極、XプラットフォームとRedditプラットフォーム間の群れ効果など、様々な社会現象を再現する。
  論文  参考訳（メタデータ） (2024-11-18T13:57:35Z)
• Scalable Offline Reinforcement Learning for Mean Field Games [6.8267158622784745]
  Off-MMDは、純粋なオフラインデータを用いて平均フィールドゲームにおける平衡ポリシーを近似する新しい平均フィールドRLアルゴリズムである。 我々のアルゴリズムは複雑な環境にスケールし、群衆探索やナビゲーションといったベンチマークタスクで強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-10-23T14:16:34Z)
• Mobile Edge Computing and AI Enabled Web3 Metaverse over 6G Wireless Communications: A Deep Reinforcement Learning Approach [10.47302625959368]
  インタラクティブで没入的なソーシャル化体験は、Metaverseの約束の1つだ。 メタバースにおけるスムーズでシームレスで没入的な社会化体験に必要な計算は過大評価される。 本稿では,マルチチャネル無線ネットワーク上でのマルチユーザ・ソーシャル化において蓄積された経験を蓄積するための新しいQoSモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-11T10:49:47Z)
• Offline to Online Learning for Real-Time Bandwidth Estimation [18.33604214120801]
  リアルタイムビデオアプリケーションは、様々なネットワーク条件でユーザエクスペリエンスを維持するために正確な推定を必要とする。 本稿では,データ駆動更新による帯域幅ベースのメソッドのパラメータチューニングを手動で置き換える,模倣学習ベースのソリューションであるMerlinを提案する。
  論文  参考訳（メタデータ） (2023-09-23T21:39:51Z)
• Vision-based Semantic Communications for Metaverse Services: A Contest Theoretic Approach [66.10465001046762]
  Metaverseでは、アバターを更新し、ユーザの振る舞いを反映してレンダリングする必要がある。 ユーザとMPP間のインタラクションをモデル化する意味コミュニケーションフレームワークを提案する。 我々はセマンティック通信技術を用いて送信するデータの量を削減する。
  論文  参考訳（メタデータ） (2023-08-15T07:56:33Z)
• Resource Allocation for Mobile Metaverse with the Internet of Vehicles over 6G Wireless Communications: A Deep Reinforcement Learning Approach [8.513938423514636]
  Metaverseは、物理的な世界オブジェクト、人、アクション、シーンを仮想世界へ複製する手段として、デジタルツインニング(digital twinning)という中心的なアプローチに依存している。 モバイル拡張現実(Mobile Augmented Reality, MAR)の開発により、ユーザは、モビリティの下でも、高度にインタラクティブな方法でMetaverseを介して対話することができる。 我々は,複数のセルステーションを持つ環境を設計し,セルステーション間でユーザの仮想世界グラフィックダウンロードタスクのハンドオーバを行う。
  論文  参考訳（メタデータ） (2022-09-27T14:28:04Z)
• AEGIS: A real-time multimodal augmented reality computer vision based system to assist facial expression recognition for individuals with autism spectrum disorder [93.0013343535411]
  本稿では,コンピュータビジョンと深部畳み込みニューラルネットワーク(CNN)を組み合わせたマルチモーダル拡張現実(AR)システムの開発について述べる。 提案システムはAIGISと呼ばれ,タブレット,スマートフォン,ビデオ会議システム,スマートグラスなど,さまざまなユーザデバイスにデプロイ可能な支援技術である。 我々は空間情報と時間情報の両方を活用して正確な表現予測を行い、それを対応する可視化に変換し、元のビデオフレーム上に描画する。
  論文  参考訳（メタデータ） (2020-10-22T17:20:38Z)

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。