論文の概要: Asynchronous Risk-Aware Multi-Agent Packet Routing for Ultra-Dense LEO Satellite Networks

• arxiv url: http://arxiv.org/abs/2510.27506v1
• Date: Fri, 31 Oct 2025 14:29:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:16.130111
• Title: Asynchronous Risk-Aware Multi-Agent Packet Routing for Ultra-Dense LEO Satellite Networks
• Title（参考訳）: 超高密度LEO衛星ネットワークのための非同期リスク対応マルチエージェントパケットルーティング
• Abstract要約: 超高密度LEO星座の出現は、その大規模なスケール、動的トポロジ、大幅な遅延によって駆動される複雑で非同期なネットワーク環境を生み出す。 このユニークな複雑さは、非同期でリスクを認識し、多様でしばしば矛盾する目的を分散的にバランスをとることができる適応的なパケットルーティングアルゴリズムを必要とする。 我々は、イベント駆動型マルチエージェントルーティングフレームワークであるPRIMALを紹介した。
• 参考スコア（独自算出の注目度）: 45.84384086201993
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rise of ultra-dense LEO constellations creates a complex and asynchronous network environment, driven by their massive scale, dynamic topologies, and significant delays. This unique complexity demands an adaptive packet routing algorithm that is asynchronous, risk-aware, and capable of balancing diverse and often conflicting QoS objectives in a decentralized manner. However, existing methods fail to address this need, as they typically rely on impractical synchronous decision-making and/or risk-oblivious approaches. To tackle this gap, we introduce PRIMAL, an event-driven multi-agent routing framework designed specifically to allow each satellite to act independently on its own event-driven timeline, while managing the risk of worst-case performance degradation via a principled primal-dual approach. This is achieved by enabling agents to learn the full cost distribution of the targeted QoS objectives and constrain tail-end risks. Extensive simulations on a LEO constellation with 1584 satellites validate its superiority in effectively optimizing latency and balancing load. Compared to a recent risk-oblivious baseline, it reduces queuing delay by over 70%, and achieves a nearly 12 ms end-to-end delay reduction in loaded scenarios. This is accomplished by resolving the core conflict between naive shortest-path finding and congestion avoidance, highlighting such autonomous risk-awareness as a key to robust routing.
• Abstract（参考訳）: 超高密度LEO星座の出現は、その大規模なスケール、動的トポロジ、大幅な遅延によって駆動される複雑で非同期なネットワーク環境を生み出す。 このユニークな複雑さは、非同期でリスクを認識し、多種多様なQoS目標を分散的にバランスをとることができる適応的なパケットルーティングアルゴリズムを必要とする。 しかし、既存の手法はこのニーズに対処することができない。 このギャップに対処するために、PRIMALというイベント駆動型マルチエージェントルーティングフレームワークを導入する。これは、各衛星が独自のイベント駆動タイムラインで独立して動作できるように設計されており、プリミティブ・デュアル・アプローチによる最悪のパフォーマンス劣化のリスクを管理している。 これは、エージェントがターゲットとするQoS目標の完全なコスト分布を学習し、末尾リスクを制約することで達成される。 1584の衛星を持つLEO星座の大規模なシミュレーションは、遅延と負荷のバランスを効果的に最適化する上で、その優位性を検証している。 最近のリスク公開ベースラインと比較して、キューの遅延を70%以上削減し、ロードされたシナリオにおいて、ほぼ12ミリ秒のエンドツーエンド遅延削減を実現する。 これは、素早い最短経路発見と混雑回避のコアコンフリクトを解消し、ロバストなルーティングの鍵となるこのような自律的なリスク認識を強調することで達成される。

関連論文リスト

• Multi-Agent Transformer for Queue-Level XR Traffic Scheduling in TSN Networks [3.6371794661986816]
  Time-Sensitive Networking (TSN) と Mobile Edge Computing (MEC) は、超信頼性の高い低レイテンシ通信を実現する強力な可能性を持っている。 XRトラフィックタイプは、タイミング要求の観点から異なる特徴と臨界性を持っている。 待ち行列レベルのXRトラフィックスケジューリングのためのマルチエージェント強化学習手法を提案する。
  論文  参考訳（メタデータ） (2026-08-05T18:57:24Z)
• Multi-Timescale Latent-Action DRL for Joint Optimization in Edge-Cloud Networks [48.421359451414155]
  エッジクラウドとレイヤ間のロード不均衡は、レイテンシのパフォーマンスを低下させる。 動的タスク到着と異種リソースの下での階層型エッジクラウドコンピューティングシステム。 本稿では,サービス配置を最適化するための行動空間(2MDRL-LA)を用いた2時間深層学習研究を提案する。 平均e2e遅延を20.8%削減し、計画よりも13%改善した。
  論文  参考訳（メタデータ） (2026-06-30T11:56:15Z)
• Spatial-Temporal Learning-Based Distributed Routing for Dynamic LEO Satellite Networks [0.2994333558834796]
  本稿では,低地球軌道(LEO)衛星ネットワークのための時空間学習に基づく分散ルーティングフレームワークを提案する。 提案手法は,グリーンAIの観点から,炭素排出量の無視による計算オーバーヘッドを低く抑え,その効率性を実証する。
  論文  参考訳（メタデータ） (2026-05-04T10:05:43Z)
• DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning [62.347535250646196]
  本稿では、ロバストでスケーラブルなシロコラボ型IoTアプリケーションスケジューリングのための分散フェデレーション強化学習フレームワークであるDeFRiSを提案する。 DeFRiSは、(i)異種サイロ間のシームレスな知識伝達を可能にするための候補資源スコアを利用したアクション空間非依存ポリシー、(ii)汎用アドバンテージ推定とクリッピングされたポリシー更新を組み合わせたサイロ最適化ローカル学習メカニズム、(iii)類似性認識の知識伝達と異常検出に勾配指紋を利用するDual-Track Non-IIDロバストな分散集約プロトコル、の3つのイノベーションを統合する。
  論文  参考訳（メタデータ） (2026-03-16T02:02:38Z)
• Efficient and Interpretable Multi-Agent LLM Routing via Ant Colony Optimization [58.59491516762626]
  マルチエージェントシステム(MAS)のための効率的かつ解釈可能なルーティングフレームワークAMRO-Sを提案する。 AMRO-Sは、意味条件付き経路選択問題としてMASルーティングをモデル化し、3つのキーメカニズムを通してルーティング性能を向上させる。 5つの公開ベンチマークと高速ストレステストによる大規模な実験により、AMRO-Sは強いルーティングベースラインに対する品質-コストトレードオフを一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-03-13T12:26:05Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• Reinforcement Learning for Opportunistic Routing in Software-Defined LEO-Terrestrial Systems [16.049887428366333]
  大型の低地球軌道(LEO)衛星コンステレーションはインテリジェントなルーティング戦略を必要としている。 固定宛先ではなく,現在利用可能な地上ゲートウェイにパケットを転送することで,配送遅延を最小限に抑える。
  論文  参考訳（メタデータ） (2026-01-20T07:01:14Z)
• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• Latency Optimization in LEO Satellite Communications with Hybrid Beam Pattern and Interference Control [20.19239663262141]
  低軌道(LEO)衛星通信システムは次世代用途に不可欠な高容量で低遅延のサービスを提供する。 LEO星座の密な構成は資源配分最適化と干渉管理の課題を提起する。 本稿では,マルチビームLEOシステムにおけるビームスケジューリングとリソース割り当てを最適化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） (2024-11-14T17:18:24Z)
• Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
  非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。 複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
  論文  参考訳（メタデータ） (2024-06-19T07:17:04Z)
• Continual Deep Reinforcement Learning for Decentralized Satellite Routing [34.67962234401005]
  本稿では, 連続的深部強化学習(DRL)に基づく低地球軌道衛星コンステレーションにおける分散ルーティングの完全な解を提案する。 我々は、各衛星が独立した意思決定エージェントとして機能するマルチエージェントアプローチに従う。 我々のソリューションは混雑条件に順応し、ロードの少ない経路を利用する。
  論文  参考訳（メタデータ） (2024-05-20T18:12:36Z)
• Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
  ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。 本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:54:03Z)
• Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via Conformal Prediction [72.59079526765487]
  アップリンクにおける超信頼性・低遅延トラフィック(URLLC)の動的スケジューリングは、既存のサービスの効率を大幅に向上させることができる。 主な課題は、URLLCパケット生成のプロセスにおける不確実性である。 本稿では,URLLC トラフィック予測器の品質に関わらず,信頼性と遅延を保証した新しい URLLC パケットスケジューラを提案する。
  論文  参考訳（メタデータ） (2023-02-15T14:09:55Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)

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。