論文の概要: Hierarchical Federated Graph Attention Networks for Scalable and Resilient UAV Collision Avoidance
- arxiv url: http://arxiv.org/abs/2511.11616v1
- Date: Wed, 05 Nov 2025 12:01:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-23 18:31:12.301632
- Title: Hierarchical Federated Graph Attention Networks for Scalable and Resilient UAV Collision Avoidance
- Title（参考訳）: スケーラブルでレジリエントなUAV衝突回避のための階層型グラフ注意ネットワーク
- Authors: Rathin Chandra Shit, Sharmila Subudhi,
- Abstract要約: 衝突回避を実践するためにバランスをとる必要がある最も重要な指標は、リアルタイムのパフォーマンス、敵のレジリエンス、プライバシー保護である。
我々は適応型微分プライバシー機構を提案し,実時間脅威の評価に基づいて雑音レベル$(in [0.1, 1.0])$を動的に低減する。
このアーキテクチャは500UAVのスケーラブルなシナリオを提供し、衝突速度は2.0%$、ビザンティンの耐障害性は$f n/3$である。
- 参考スコア（独自算出の注目度）: 0.5505634045241287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The real-time performance, adversarial resiliency, and privacy preservation are the most important metrics that need to be balanced to practice collision avoidance in large-scale multi-UAV (Unmanned Aerial Vehicle) systems. Current frameworks tend to prescribe monolithic solutions that are not only prohibitively computationally complex with a scaling cost of $O(n^2)$ but simply do not offer Byzantine fault tolerance. The proposed hierarchical framework presented in this paper tries to eliminate such trade-offs by stratifying a three-layered architecture. We spread the intelligence into three layers: an immediate collision avoiding local layer running on dense graph attention with latency of $<10 ms$, a regional layer using sparse attention with $O(nk)$ computational complexity and asynchronous federated learning with coordinate-wise trimmed mean aggregation, and lastly, a global layer using a lightweight Hashgraph-inspired protocol. We have proposed an adaptive differential privacy mechanism, wherein the noise level $(ε\in [0.1, 1.0])$ is dynamically reduced based on an evaluation of the measured real-time threat that in turn maximized the privacy-utility tradeoff. Through the use of Distributed Hash Table (DHT)-based lightweight audit logging instead of heavyweight blockchain consensus, the median cost of getting a $95^{th}$ percentile decision within 50ms is observed across all tested swarm sizes. This architecture provides a scalable scenario of 500 UAVs with a collision rate of $< 2.0\%$ and the Byzantine fault tolerance of $f < n/3$.
- Abstract（参考訳）: 大規模マルチUAV(Unmanned Aerial Vehicle)システムにおいて、衝突回避を実践するためにバランスをとる必要がある最も重要な指標は、リアルタイムのパフォーマンス、敵のレジリエンス、プライバシー保護である。
現在のフレームワークでは、スケーリングコストが$O(n^2)$であるだけでなく、単にビザンティンのフォールトトレランスを提供しない、計算的に複雑であるモノリシックなソリューションを規定する傾向があります。
本稿では,3層構造を階層化することで,そのようなトレードオフを解消しようとする階層構造を提案する。
我々はインテリジェンスを3つの層に展開した: グラフの高密度な処理を実行するローカル層に,レイテンシが<10 ms$で即時衝突を回避すること,計算複雑性と非同期フェデレート学習を協調的にトリミングした平均アグリゲーションで行うこと,そして最後に,軽量なHashgraphにインスパイアされたプロトコルを用いたグローバルレイヤ。
我々は適応型差分プライバシー機構を提案し、ノイズレベル$(ε\in [0.1, 1.0])$は、プライバシとユーティリティのトレードオフを最大化する実時間脅威の評価に基づいて動的に減少する。
ヘビーウェイトなブロックチェーンコンセンサスではなく、DHT(Distributed Hash Table)ベースの軽量監査ログを使用することで、テスト対象のすべてのSwarmサイズで、50ms以内で9,5^{th}$パーセントの決定を下すという、中央値のコストが観測される。
このアーキテクチャは500UAVのスケーラブルなシナリオを提供し、衝突速度は$<2.0\%$、ビザンティンの耐障害性は$f < n/3$である。
関連論文リスト
- SketchGuard: Scaling Byzantine-Robust Decentralized Federated Learning via Sketch-Based Screening [15.287835378843425]
Decentralized Federated Learning (DFL)は、集中型サーバを使わずに、プライバシ保護による協調トレーニングを可能にする。
DFLは、悪意のあるクライアントが破損したモデルを更新するビザンティン攻撃に対して脆弱である。
スケッチベースの隣人スクリーニングによるモデルアグリゲーションからビザンチンフィルタを分離するSketchGuardを提案する。
論文 参考訳（メタデータ） (2025-10-09T08:16:32Z) - R-Stitch: Dynamic Trajectory Stitching for Efficient Reasoning [80.104336426172]
CoT(Chain-of- Thought)は、大規模言語モデルの問題解決能力を高める。
CoTは長い自己回帰軌道のためにかなりの推論コストを発生させる。
トレーニング不要なハイブリッドデコーディングフレームワークであるR-Stitchを紹介する。
論文 参考訳（メタデータ） (2025-07-23T08:14:36Z) - MaskPro: Linear-Space Probabilistic Learning for Strict (N:M)-Sparsity on Large Language Models [53.36415620647177]
半構造化された空間は、M$M$の重みからN$の要素を戦略的に保持することで、有望なソリューションを提供する。
既存の(N:M)互換のアプローチは通常、かなりのエラーに悩まされるルールベースの階層的な欲求探索と、禁止的なトレーニングコストを引き起こす勾配駆動学習の2つのカテゴリに分類される。
MaskProという新しい線形空間確率的フレームワークを提案する。これは、M$連続重みごとに事前のカテゴリー分布を学習し、その後、この分布を活用して(N:M)スパーシリティを$N$-wayサンプリングを通じて生成することを目的としている。
論文 参考訳（メタデータ） (2025-06-15T15:02:59Z) - Federated Structured Sparse PCA for Anomaly Detection in IoT Networks [3.7711905543608695]
そこで本研究では,IoTネットワークにおける異常に対する新しい主成分分析手法を提案する。
提案モデルでは, $ell_2, $Pnormin [0,1) が支配する空間正規化を統合する。
我々は、交互に構成された近近距離設定に基づく効率的な最適化アルゴリズムを考案する。
論文 参考訳（メタデータ） (2025-03-31T11:50:21Z) - Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。
また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。
我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
論文 参考訳（メタデータ） (2025-02-07T15:57:56Z) - End-to-End Convolutional Activation Anomaly Analysis for Anomaly Detection [41.94295877935867]
エンドツーエンドの畳み込みアクティベーション異常解析(E2E-CA$3$)
エンドツーエンドの畳み込み動作異常解析(E2E-CA$3$)を提案する。
これは、Sperl、Schulze、B"ottingerによって提案されたA$3$の異常検出アプローチの重要な拡張である。
論文 参考訳（メタデータ） (2024-11-21T10:22:50Z) - Self-Localized Collaborative Perception [49.86110931859302]
我々は,新しい自己局在型協調認識システムであるMathttCoBEVGlue$を提案する。
$mathttCoBEVGlue$は、エージェント間の相対的なポーズを提供する新しい空間アライメントモジュールである。
$mathttCoBEVGlue$は任意のローカライゼーションノイズとアタックの下で最先端の検出性能を達成する。
論文 参考訳（メタデータ） (2024-06-18T15:26:54Z) - Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。
近年の取り組みは、他の等級のl_infty摂動と組み合わせている。
本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-06-10T20:11:36Z) - Byzantine-Resilient Non-Convex Stochastic Gradient Descent [61.6382287971982]
敵対的レジリエントな分散最適化。
機械は独立して勾配を計算し 協力することができます
私達のアルゴリズムは新しい集中の技術およびサンプル複雑性に基づいています。
それは非常に実用的です:それはないときすべての前の方法の性能を改善します。
セッティングマシンがあります。
論文 参考訳（メタデータ） (2020-12-28T17:19:32Z)
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。