論文の概要: QoE-Aware Service Provision for Mobile AR Rendering: An Agent-Driven Approach

• arxiv url: http://arxiv.org/abs/2508.08627v1
• Date: Tue, 12 Aug 2025 04:32:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.297094
• Title: QoE-Aware Service Provision for Mobile AR Rendering: An Agent-Driven Approach
• Title（参考訳）: モバイルARレンダリングのためのQoE対応サービス提供:エージェント駆動アプローチ
• Authors: Conghao Zhou, Lulu Sun, Xiucheng Wang, Peng Yang, Feng Lyu, Sihan Lu, Xuemin Shen,
• Abstract要約: モバイル拡張現実(MAR)は、6Gで重要な没入型アプリケーションとして想定されている。 本稿では,エッジ支援型MARのためのエージェント駆動型通信サービス提供手法を提案する。 ユーザレベルのQoEモデリング手法を開発し、通信リソース要求と認識されたユーザQoEの関係を抽出する。
• 参考スコア（独自算出の注目度）: 33.66606664552234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile augmented reality (MAR) is envisioned as a key immersive application in 6G, enabling virtual content rendering aligned with the physical environment through device pose estimation. In this paper, we propose a novel agent-driven communication service provisioning approach for edge-assisted MAR, aiming to reduce communication overhead between MAR devices and the edge server while ensuring the quality of experience (QoE). First, to address the inaccessibility of MAR application-specific information to the network controller, we establish a digital agent powered by large language models (LLMs) on behalf of the MAR service provider, bridging the data and function gap between the MAR service and network domains. Second, to cope with the user-dependent and dynamic nature of data traffic patterns for individual devices, we develop a user-level QoE modeling method that captures the relationship between communication resource demands and perceived user QoE, enabling personalized, agent-driven communication resource management. Trace-driven simulation results demonstrate that the proposed approach outperforms conventional LLM-based QoE-aware service provisioning methods in both user-level QoE modeling accuracy and communication resource efficiency.
• Abstract（参考訳）: モバイル拡張現実(MAR)は、6Gで重要な没入型アプリケーションとして想定されており、デバイスポーズ推定を通じて物理環境に合わせた仮想コンテンツレンダリングを可能にする。 本稿では,MARデバイスとエッジサーバ間の通信オーバーヘッドを低減し,体験の質(QoE)を確保することを目的とした,エッジ支援MARのためのエージェント駆動型通信サービス提供手法を提案する。 まず、MARアプリケーション固有の情報をネットワークコントローラにアクセスできないようにするため、MARサービス提供者に代わって、大規模言語モデル(LLM)を利用したデジタルエージェントを構築し、MARサービスとネットワークドメイン間のデータと機能ギャップをブリッジする。 第2に、各デバイスにおけるデータトラフィックパターンのユーザ依存的・動的性質に対処するため、ユーザレベルのQoEモデリング手法を開発し、通信リソース要求と認識されたユーザQoEの関係を把握し、パーソナライズされたエージェント駆動の通信リソース管理を可能にする。 トレース駆動シミュレーションの結果,提案手法はユーザレベルのQoEモデリング精度と通信資源効率の両方において,従来のLCMベースのQoE対応サービス提供手法よりも優れていた。

関連論文リスト

• LaMI-GO: Latent Mixture Integration for Goal-Oriented Communications Achieving High Spectrum Efficiency [41.27604876372992]
  超高通信効率のQoS(Quality of-Service)を実現するために,新たな生成AIを活用した新しいGO-COMフレームワークであるLaMI-GOを提案する。 具体的には、潜伏拡散モデルに基づいてLaMI-GOシステムバックボーンを設計し、高速潜伏埋め込みおよび情報表現のためのベクトル量子化生成対向ネットワーク(VQGAN)を設計する。 実験の結果,最先端のGOCOMシステムに比べて,知覚品質,下流タスクの精度,帯域消費が大幅に向上した。
  論文  参考訳（メタデータ） (2024-12-18T07:20:42Z)
• Semantic-Aware Resource Management for C-V2X Platooning via Multi-Agent Reinforcement Learning [41.8826976666953]
  セルラー車間通信(C-V2X)に基づく自律車小隊システムに意味コミュニケーションを導入する。 本稿では,SAMRAMARLと呼ばれるマルチエージェント強化学習(MARL)に基づく,分散意味認識型マルチモーダルリソースアロケーション(SAMRA)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-11-07T12:55:35Z)
• MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [94.61039892220037]
  我々は、フェデレーション学習(FL)によるプライバシーを確保しつつ、サービスのデータ提供を容易にする没入型モデルトレーディングフレームワークを提案する。 我々は,資源制約下での高価値モデルに貢献するために,メタバースユーザ(MU)にインセンティブを与えるインセンティブ機構を設計する。 我々は、MUやその他のMSPに関するプライベート情報にアクセスすることなく、深層強化学習に基づく完全に分散された動的報酬アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2024-10-25T16:20:46Z)
• Look-Ahead Task Offloading for Multi-User Mobile Augmented Reality in Edge-Cloud Computing [12.508296573936814]
  エッジクラウドコンピューティングネットワークにおいて,サービス指向タスクオフロード方式の設計と評価を行う。 実験結果から,マルチユーザMARサービス提供時のサービス品質(QoS)を効果的に向上できることが示された。
  論文  参考訳（メタデータ） (2023-05-31T05:03:40Z)
• Enabling AI Quality Control via Feature Hierarchical Edge Inference [6.490724361345847]
  本研究では,エッジサーバとそれに対応する移動体に配置された特徴ネットワークと推論ネットワークからなる特徴階層型EI(FHEI)を提案する。 より大規模な機能では、より優れたAI品質を提供する一方で、より多くの計算と通信負荷が必要になる。 提案したFHEIアーキテクチャの連成通信・計算制御が, 常にいくつかのベンチマークより優れていることが, 広範囲なシミュレーションにより検証された。
  論文  参考訳（メタデータ） (2022-11-15T02:54:23Z)
• Attention-aware Resource Allocation and QoE Analysis for Metaverse xURLLC Services [78.17423912423999]
  サービスプロバイダ(MSP)とネットワークインフラストラクチャプロバイダ(InP)の相互作用について検討する。 メタバース利用者の主観的感情と主観的感情の両方を取り入れたメタデュイマージョン(Meta-DuImmersion)という新しい尺度を提案する。 我々は、xURLLCにおけるQoEを改善するために、注意を意識したレンダリングキャパシティ割り当て方式を開発した。
  論文  参考訳（メタデータ） (2022-08-10T16:51:27Z)
• Communication-Efficient and Distributed Learning Over Wireless Networks: Principles and Applications [55.65768284748698]
  機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。 本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
  論文  参考訳（メタデータ） (2020-08-06T12:37:14Z)

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。