論文の概要: FRSICL: LLM-Enabled In-Context Learning Flight Resource Allocation for Fresh Data Collection in UAV-Assisted Wildfire Monitoring

• arxiv url: http://arxiv.org/abs/2507.10134v1
• Date: Mon, 14 Jul 2025 10:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:24.670539
• Title: FRSICL: LLM-Enabled In-Context Learning Flight Resource Allocation for Fresh Data Collection in UAV-Assisted Wildfire Monitoring
• Title（参考訳）: FRSICL:UAV支援森林火災モニタリングにおける新鮮なデータ収集のためのLLM対応型インコンテキスト学習飛行資源配分
• Authors: Yousef Emami, Hao Zhou, Miguel Gutierrez Gaitan, Kai Li, Luis Almeida,
• Abstract要約: 無人航空機(UAV)は、特に早期発見が環境への影響を最小限に抑える山火事の監視において、公共の安全のために不可欠である。 UAV-Assisted Wildfire Monitoring (UAWM)システムでは、センサの送信スケジューリングと速度の協調最適化が、古いセンサデータから情報時代(AoI)を最小化するために重要である。 深層強化学習(DRL)はそのような最適化に使われてきたが、サンプリング効率の低下、シミュレーションと現実のギャップ、複雑なトレーニングといった制限により、山火事モニタリングのような時間クリティカルなアプリケーションには適さない。 本稿では,新しいオンライン航空資源割当方式を提案する。
• 参考スコア（独自算出の注目度）: 14.068881151569435
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Unmanned Aerial Vehicles (UAVs) are vital for public safety, particularly in wildfire monitoring, where early detection minimizes environmental impact. In UAV-Assisted Wildfire Monitoring (UAWM) systems, joint optimization of sensor transmission scheduling and velocity is critical for minimizing Age of Information (AoI) from stale sensor data. Deep Reinforcement Learning (DRL) has been used for such optimization; however, its limitations such as low sampling efficiency, simulation-to-reality gaps, and complex training render it unsuitable for time-critical applications like wildfire monitoring. This paper introduces a new online Flight Resource Allocation scheme based on LLM-Enabled In-Context Learning (FRSICL) to jointly optimize the UAV's flight control and data collection schedule along the trajectory in real time, thereby asymptotically minimizing the average AoI across ground sensors. In contrast to DRL, FRSICL generates data collection schedules and controls velocity using natural language task descriptions and feedback from the environment, enabling dynamic decision-making without extensive retraining. Simulation results confirm the effectiveness of the proposed FRSICL compared to Proximal Policy Optimization (PPO) and Nearest-Neighbor baselines.
• Abstract（参考訳）: 無人航空機(UAV)は、特に早期発見が環境への影響を最小限に抑える山火事の監視において、公共の安全のために不可欠である。 UAV-Assisted Wildfire Monitoring (UAWM)システムでは、センサの送信スケジューリングと速度の協調最適化が、古いセンサデータから情報時代(AoI)を最小化するために重要である。 深層強化学習(DRL)はそのような最適化に使われてきたが、サンプリング効率の低下、シミュレーションと現実のギャップ、複雑なトレーニングといった制限により、山火事モニタリングのような時間クリティカルなアプリケーションには適さない。 本稿では,LLM-Enabled In-Context Learning (FRSICL) に基づく新しいオンライン飛行資源割当方式を提案し,UAVの飛行制御とデータ収集スケジュールをリアルタイムで最適化し,地上センサ間の平均AoIを漸近的に最小化する。 DRLとは対照的に、FRSICLはデータ収集スケジュールを生成し、自然言語のタスク記述と環境からのフィードバックを用いて速度を制御する。 シミュレーションの結果,提案したFRSICLの有効性をPPOとNearest-Neighborベースラインと比較した。

関連論文リスト

• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Age of Information Minimization in UAV-Enabled Integrated Sensing and Communication Systems [34.92822911897626]
  統合センシング通信(ISAC)機能を備えた無人航空機(UAV)は、将来の無線ネットワークにおいて重要な役割を果たすと想定されている。 ターゲットセンシングとマルチユーザ通信を同時に行う老化情報(AoI)システムを提案する。
  論文  参考訳（メタデータ） (2025-07-18T18:17:09Z)
• From Prompts to Protection: Large Language Model-Enabled In-Context Learning for Smart Public Safety UAV [30.003257621176708]
  大規模言語モデル(LLM)は、インコンテキスト学習(ICL)を通じて新しいタスクに適応することができる。 本稿では, LLM 対応 ICL と公共安全UAV を連携させて, 経路計画や速度制御などの重要な機能を実現することを提案する。
  論文  参考訳（メタデータ） (2025-06-03T09:01:33Z)
• LLM-Enabled In-Context Learning for Data Collection Scheduling in UAV-assisted Sensor Networks [1.3355457804095248]
  無人航空機 (UAV) は、様々な民間および商用用途で利用されている。 UAV-assisted Sensor Networks (UASNETs) やDeep Reinforcement Learning (DRL) で使用される機械学習(ML) は、複雑で長いモデルトレーニングのような課題に直面している。 本稿では,緊急時におけるDRLの代替として,ICLDC(In-Context Learning)に基づくデータ収集スケジューリング手法を提案する。
  論文  参考訳（メタデータ） (2025-04-20T10:05:07Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Wireless Federated Learning over UAV-enabled Integrated Sensing and Communication [2.8203310972866382]
  本稿では,無人航空機(UAV)を利用した統合型統合学習(FL)における新しい遅延最適化問題について検討する。 ベンチマーク方式と比較して,システム遅延を最大68.54%削減し,高品質な近似解を求めるため,単純かつ効率的な反復アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-11-01T14:25:24Z)
• Streamlining Forest Wildfire Surveillance: AI-Enhanced UAVs Utilizing the FLAME Aerial Video Dataset for Lightweight and Efficient Monitoring [4.303063757163241]
  本研究では,災害対応シナリオにおけるリアルタイムデータ処理の必要性を認識し,航空映像理解のための軽量かつ効率的なアプローチを提案する。 提案手法は、ポリシーネットワークを介してビデオ内の冗長部分を識別し、フレーム圧縮技術を用いて余分な情報を除去する。 ベースラインと比較して,提案手法は計算コストを13倍以上削減し,精度を3$%向上させる。
  論文  参考訳（メタデータ） (2024-08-31T17:26:53Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• Joint Optimization of Deployment and Trajectory in UAV and IRS-Assisted IoT Data Collection System [25.32139119893323]
  無人航空機(UAV)は多くのモノのインターネット(IoT)システムに適用できる。 UAV-IoT無線チャネルは、時には木や高層建築物によってブロックされることがある。 本稿では,UAVの展開と軌道を最適化することで,システムのエネルギー消費を最小化することを目的とする。
  論文  参考訳（メタデータ） (2022-10-27T06:27:40Z)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装する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） (2020-02-19T14:04:01Z)

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。