論文の概要: TrajAware: Graph Cross-Attention and Trajectory-Aware for Generalisable VANETs under Partial Observations

• arxiv url: http://arxiv.org/abs/2509.06665v1
• Date: Mon, 08 Sep 2025 13:24:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.14957
• Title: TrajAware: Graph Cross-Attention and Trajectory-Aware for Generalisable VANETs under Partial Observations
• Title（参考訳）: TrajAware: 部分観測による一般VANETのグラフ交差注意と軌道認識
• Abstract要約: 我々は、VANETにおけるエッジAIデプロイメント用に設計されたRLベースのフレームワークであるTrajAwareを紹介する。 TrajAwareは、3つのコンポーネントを統合している: (i) アクションスペースプルーニング (i) 冗長な隣り合わせの選択肢を減らす グラフクロスアテンション (ii) プルーニングされた近隣をグローバルなグラフコンテキストにマッピングする トラジェクトリ・アウェア予測 (iii) 履歴経路とジャンクション情報を用いて、部分的な観測下でのリアルタイムな位置を推定する 。 以上の結果から,TrajAwareは制約エッジデバイスに適した効率を維持しつつ,最短経路と高配電率を実現していることがわかった。
• 参考スコア（独自算出の注目度）: 0.5352699766206808
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vehicular ad hoc networks (VANETs) are a crucial component of intelligent transportation systems; however, routing remains challenging due to dynamic topologies, incomplete observations, and the limited resources of edge devices. Existing reinforcement learning (RL) approaches often assume fixed graph structures and require retraining when network conditions change, making them unsuitable for deployment on constrained hardware. We present TrajAware, an RL-based framework designed for edge AI deployment in VANETs. TrajAware integrates three components: (i) action space pruning, which reduces redundant neighbour options while preserving two-hop reachability, alleviating the curse of dimensionality; (ii) graph cross-attention, which maps pruned neighbours to the global graph context, producing features that generalise across diverse network sizes; and (iii) trajectory-aware prediction, which uses historical routes and junction information to estimate real-time positions under partial observations. We evaluate TrajAware in the open-source SUMO simulator using real-world city maps with a leave-one-city-out setup. Results show that TrajAware achieves near-shortest paths and high delivery ratios while maintaining efficiency suitable for constrained edge devices, outperforming state-of-the-art baselines in both full and partial observation scenarios.
• Abstract（参考訳）: ベクトルアドホックネットワーク(VANET)はインテリジェントトランスポートシステムにおいて重要なコンポーネントであるが、動的トポロジ、不完全な観測、エッジデバイスの限られた資源のためにルーティングは依然として困難である。 既存の強化学習(RL)アプローチは、しばしば固定されたグラフ構造を仮定し、ネットワーク条件が変わると再訓練を必要とするため、制約のあるハードウェアへのデプロイには適さない。 我々は、VANETにおけるエッジAIデプロイメント用に設計されたRLベースのフレームワークであるTrajAwareを紹介する。 TrajAwareは3つのコンポーネントを統合する。 一 二つのホップの到達性を保ちながら、余分な隣り合わせの選択肢を減らし、次元の呪いを和らげるアクションスペースプルーニング (ii) 緑化した近隣をグローバルグラフの文脈にマッピングし、多様なネットワークサイズにまたがって一般化する特徴を創出するグラフ横断性 三 履歴経路及びジャンクション情報を用いて、部分観測に基づくリアルタイム位置を推定する軌跡認識予測。 我々は,オープンソースSUMOシミュレータのTrajAwareの評価を行った。 以上の結果から,TrajAwareは制約エッジデバイスに適した効率を保ちながら,全観測シナリオと部分観測シナリオの両面において最先端のベースラインを達成できることが示唆された。

関連論文リスト

• TraversRL: Traversable Pedestrian Pathway Generation With Reinforcement Learning [9.862709363688746]
  TraversRLは、空中画像から経路ネットワークを反復的に成長させる視覚条件付きモデルである。 最先端のセグメンテーションベースラインに対して、基底トラスグラフでバッファリングされたIoUを大幅に改善する。 また、スプリアスの少ないグラフも生成し、全体的なパフォーマンスをさらに向上する。
  論文  参考訳（メタデータ） (2026-07-20T02:01:03Z)
• NARRAS: Edge-Triggered Distributed Inference for CSI-Based Localization in Vehicular IoT Networks [52.237935683898144]
  車両用IoTネットワークにおけるCSIベースのローカライゼーションのためのETDIをインスタンス化する。 NARRASは、各RAAが最新の観測結果の要約と送信した最後の潜伏状態の記憶を結合した分散レポートポリシーである。
  論文  参考訳（メタデータ） (2026-06-10T10:47:44Z)
• GA-VLN: Geometry-Aware BEV Representation for Efficient Vision-Language Navigation [75.85672467847631]
  本稿では,3次元のコンパクトな特徴表現であるGeometry-Aware BEV (GA-BEV)を紹介する。 視覚的特徴を3次元空間に投影することで,RGB-D入力からBEV空間マップを構築する。 我々は,BEV空間に事前訓練された3Dファンデーションモデルの特徴を取り入れ,大規模3D再構築作業から学んだ構造的先行を注入する。
  論文  参考訳（メタデータ） (2026-05-21T06:20:17Z)
• A Topology-Aware Spatiotemporal Handover Framework for Continuous Multi-UAV Tracking [6.2002105625228845]
  本稿では,グローバルなアイデンティティの持続性を扱うために,リアルタイムマルチカメラマルチ車両追跡(MCMT)システムを提案する。 本稿では,トポロジに基づく時空間ハンドオーバ機構を提案する。 交差点や合流交通を含む複雑な都市環境に関する実験結果は、連続交通流の99.8%のハンドオーバ成功率(HOSR)を示す。
  論文  参考訳（メタデータ） (2026-05-15T09:38:09Z)
• AgentVLN: Towards Agentic Vision-and-Language Navigation [78.739525400071]
  VLN (Vision-and-Language Navigation) は、複雑な自然言語命令を、見えない環境での長距離ナビゲーションに接地するために、エンボディエージェントを必要とする。 本稿では,エッジコンピューティングプラットフォーム上に展開可能な,新規かつ効率的なナビゲーションフレームワークであるAgentVLNを提案する。
  論文  参考訳（メタデータ） (2026-03-18T12:43:47Z)
• MapGCLR: Geospatial Contrastive Learning of Representations for Online Vectorized HD Map Construction [44.37176678126708]
  自動運転車は周囲の世界を理解するために地図情報に依存している。 よりスケーラブルな代替手段は、オンラインのHDマップ構築にある。 本研究は、ベクトル化されたオンラインHDマップ構築モデルにおいて、潜伏鳥眼ビュー(BEV)特徴グリッド表現を改善することに焦点を当てる。 我々は、単一トラバーサルラベル付きデータの縮小セットを用いて教師付き同じモデルを訓練し、マルチトラバーサル要求に従ってより広範なラベル付きデータセットに基づいて自己教師する。
  論文  参考訳（メタデータ） (2026-03-11T11:58:23Z)
• History-Enhanced Two-Stage Transformer for Aerial Vision-and-Language Navigation [64.51891404034164]
  Aerial Vision-and-Language Navigation (AVLN) は、大規模都市環境でターゲットをローカライズするために無人航空機(UAV)のエージェントを必要とする。 既存のUAVエージェントは通常、これらの2つの側面のバランスに苦しむ単粒度フレームワークを採用する。 この研究は、粗いナビゲーションパイプラインを通じて2つの側面を統合するヒストリ強化2段階トランスフォーマー(HETT)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-16T09:16:07Z)
• Generative MIMO Beam Map Construction for Location Recovery and Beam Tracking [67.65578956523403]
  本稿では,スパースチャネル状態情報(CSI)から位置ラベルを直接復元する生成フレームワークを提案する。 生のCSIを直接格納する代わりに、小型の低次元無線地図の埋め込みを学び、生成モデルを利用して高次元CSIを再構築する。 数値実験により,NLOSシナリオにおける局所化精度が30%以上向上し,20%のキャパシティゲインが得られることが示された。
  論文  参考訳（メタデータ） (2025-11-21T07:25:49Z)
• Region-Point Joint Representation for Effective Trajectory Similarity Learning [25.664203648334563]
  textbfRePoは、textbfRegion-wiseと textbfPoint-wiseの機能をエンコードして、空間コンテキストと微細な移動パターンの両方をキャプチャする新しい方法である。 実験結果から、RePoはSOTAベースラインよりも22.2%の精度向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-11-17T08:28:18Z)
• Real-Time Detection and Tracking of Foreign Object Intrusions in Power Systems via Feature-Based Edge Intelligence [4.60587070358843]
  本稿では,電力伝送システムにおけるリアルタイム異物侵入(FOI)検出と追跡のための新しい枠組みを提案する。 本フレームワークは,(1)高速で堅牢なオブジェクトローカライゼーションのためのYOLOv7セグメンテーションモデル,(2)三重項損失を訓練したConvNeXtベースの特徴抽出器,(3)特徴支援IoUトラッカーを統合した。 スケーラブルなフィールドデプロイメントを実現するため、パイプラインは、混合精度推論を使用して、低コストのエッジハードウェアへのデプロイメントに最適化されている。
  論文  参考訳（メタデータ） (2025-09-16T17:17:03Z)
• Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
  本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。 提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。 実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
  論文  参考訳（メタデータ） (2025-07-29T03:32:01Z)
• Optimizing Cooperative Multi-Object Tracking using Graph Signal Processing [45.68287260385148]
  本稿では,3次元LiDARシーンにおける物体追跡のための協調型MOTフレームワークを提案する。 検出された境界ボックスによって定義される全連結グラフトポロジーを利用して、グラフラプラシアン処理最適化手法を用いる。 実世界のV2V4Realデータセットを用いて、広範な評価研究が行われた。
  論文  参考訳（メタデータ） (2025-06-11T07:21:58Z)
• STAMImputer: Spatio-Temporal Attention MoE for Traffic Data Imputation [36.880711201508085]
  既存のタイム・ツー・スペースのメソッドは、ブロック単位で欠落したデータシナリオの特徴を効果的に抽出することができないことが多い。 本稿では,トラフィックデータ計算のためのSTAMImputerという,専門家ネットワークの時空間注意混合方式を提案する。 その結果,STAMImputer は既存の SOTA 手法に比べて性能が大幅に向上した。
  論文  参考訳（メタデータ） (2025-06-09T04:05:00Z)
• OMEGA: Efficient Occlusion-Aware Navigation for Air-Ground Robot in Dynamic Environments via State Space Model [12.096387853748938]
  地上ロボット(AGR)は、監視や災害対応に広く利用されている。 現在のAGRナビゲーションシステムは、静的環境においてよく機能する。 しかし、これらのシステムは動的で厳しい閉塞シーンの課題に直面している。 これらの問題に対処するために,効率的なAGR-Plannerを用いたOccMambaを提案する。
  論文  参考訳（メタデータ） (2024-08-20T07:50:29Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• Spatio-temporal Modeling for Large-scale Vehicular Networks Using Graph Convolutional Networks [110.80088437391379]
  SMARTと呼ばれるグラフベースのフレームワークが提案され、大規模な地理的領域にわたるV2I通信遅延の統計をモデル化し、追跡する。 深層Q-networksアルゴリズムと統合したグラフ畳み込みネットワークを用いたグラフ再構築型手法を開発する。 その結果,提案手法は,モデル化の精度と効率と,大規模車両ネットワークにおける遅延性能を有意に向上させることが示された。
  論文  参考訳（メタデータ） (2021-03-13T06:56:29Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。