論文の概要: Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL

• arxiv url: http://arxiv.org/abs/2512.11862v1
• Date: Fri, 05 Dec 2025 08:14:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-21 14:22:08.736907
• Title: Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL
• Title（参考訳）: 低高度インテリジェントネットワークにおける階層的タスクオフロードと軌道最適化 -オークションと拡散に基づくMARL-
• Authors: Jiahao You, Ziye Jia, Can Cui, Chao Dong, Qihui Wu, Zhu Han,
• Abstract要約: 低高度インテリジェントネットワーク(LAIN)は、災害対応、環境モニタリング、リアルタイムセンシングといったミッションクリティカルなアプリケーションをサポートすることができる。 これらのシステムは、エネルギー制約のあるUAV、タスク到着、異種コンピューティングリソースなど、重要な課題に直面している。 本稿では,UAV軌道計画とタスクオフロード決定を協調的に最適化する,時間依存型整数型非線形計画問題の解法を提案する。
• 参考スコア（独自算出の注目度）: 37.79695337425523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The low-altitude intelligent networks (LAINs) emerge as a promising architecture for delivering low-latency and energy-efficient edge intelligence in dynamic and infrastructure-limited environments. By integrating unmanned aerial vehicles (UAVs), aerial base stations, and terrestrial base stations, LAINs can support mission-critical applications such as disaster response, environmental monitoring, and real-time sensing. However, these systems face key challenges, including energy-constrained UAVs, stochastic task arrivals, and heterogeneous computing resources. To address these issues, we propose an integrated air-ground collaborative network and formulate a time-dependent integer nonlinear programming problem that jointly optimizes UAV trajectory planning and task offloading decisions. The problem is challenging to solve due to temporal coupling among decision variables. Therefore, we design a hierarchical learning framework with two timescales. At the large timescale, a Vickrey-Clarke-Groves auction mechanism enables the energy-aware and incentive-compatible trajectory assignment. At the small timescale, we propose the diffusion-heterogeneous-agent proximal policy optimization, a generative multi-agent reinforcement learning algorithm that embeds latent diffusion models into actor networks. Each UAV samples actions from a Gaussian prior and refines them via observation-conditioned denoising, enhancing adaptability and policy diversity. Extensive simulations show that our framework outperforms baselines in energy efficiency, task success rate, and convergence performance.
• Abstract（参考訳）: 低高度インテリジェントネットワーク(LAIN)は、動的およびインフラに制限された環境で低レイテンシでエネルギー効率の高いエッジインテリジェンスを提供するための有望なアーキテクチャとして登場した。 無人航空機、航空基地局、地上基地局を統合することで、LAINは災害対応、環境モニタリング、リアルタイムセンシングといったミッションクリティカルなアプリケーションをサポートすることができる。 しかし、これらのシステムは、エネルギー制約されたUAV、確率的タスク到着、異種コンピューティングリソースなど、重要な課題に直面している。 これらの問題に対処するため,UAV軌道計画とタスクオフロード決定を協調的に最適化する時間依存の整数非線形プログラミング問題を定式化して,地上協調ネットワークを提案する。 この問題は、決定変数間の時間的結合によって解決が困難である。 そこで我々は2つの時間スケールを持つ階層型学習フレームワークを設計する。 大規模な時間スケールでは、Vickrey-Clarke-Grovesのオークション機構により、エネルギーを意識し、インセンティブに適合する軌道割り当てが可能になる。 小さい時間スケールで,潜伏拡散モデルをアクターネットワークに組み込む生成型マルチエージェント強化学習アルゴリズムである拡散ヘテロジニアス・エージェント・ポリシー最適化を提案する。 それぞれのUAVはガウス以前の行動のサンプルを採取し、観察条件付き偏執、適応性と政策の多様性の向上を通じてそれらを洗練する。 大規模なシミュレーションにより、我々のフレームワークはエネルギー効率、タスク成功率、収束性能のベースラインを上回っていることが示された。

関連論文リスト

• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
  低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。 オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。 動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:11:21Z)
• 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)
• Hierarchical Task Offloading for UAV-Assisted Vehicular Edge Computing via Deep Reinforcement Learning [11.695622067301128]
  部分オフロードに基づく2層UAV支援エッジコンピューティングアーキテクチャを提案する。 提案アーキテクチャは異種資源の効率的な統合と調整を可能にする。 提案手法は,タスク完了率,システム効率,収束速度において,いくつかのベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2025-07-08T07:10:52Z)
• Joint Task Offloading and Resource Allocation in Low-Altitude MEC via Graph Attention Diffusion [38.35874485444821]
  エアグラウンド統合マルチアクセスエッジコンピューティング(MEC)システムは、リアルタイムおよびインテリジェントなタスクスケジューリングに対する需要が高まっている。 本稿では、低高度経済ネットワークのための3層ヘテロジニアスMECシステムアーキテクチャを構築する。
  論文  参考訳（メタデータ） (2025-06-27T06:03:48Z)
• Task Assignment and Exploration Optimization for Low Altitude UAV Rescue via Generative AI Enhanced Multi-agent Reinforcement Learning [44.02103029265148]
  本稿では,UAV,GER,飛行船の連携フレームワークを提案する。 このフレームワークは、UAV-to-GER(U2G)とUAV-to-Airship(U2A)のリンクを通じてリソースプーリングを可能にし、オフロードされたタスクのコンピューティングサービスを提供する。
  論文  参考訳（メタデータ） (2025-04-18T08:44:06Z)
• Aerial Secure Collaborative Communications under Eavesdropper Collusion in Low-altitude Economy: A Generative Swarm Intelligent Approach [84.20358039333756]
  本研究では,AAV群に分散コラボレーティブビームフォーミング(DCB)を導入し,対応する信号分布を制御して盗聴者の共謀を処理した。 両方向の秘密保持能力と最大サイドローブレベルを最小化して、未知の盗聴者からの情報漏洩を回避する。 本稿では,より少ないオーバーヘッドで問題を解決するために,新しいジェネレーティブ・スウォーム・インテリジェンス(GenSI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-02T04:02:58Z)
• 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)
• DNN Task Assignment in UAV Networks: A Generative AI Enhanced Multi-Agent Reinforcement Learning Approach [16.139481340656552]
  本稿では,マルチエージェント強化学習(MARL)と生成拡散モデル(GDM)を組み合わせた共同手法を提案する。 第2段階では,GDMのリバース・デノナイズ・プロセスを利用して,マルチエージェント・ディープ・Deep Deterministic Policy gradient(MADDPG)におけるアクタネットワークを置き換える新しいDNNタスク割当アルゴリズム(GDM-MADDPG)を導入する。 シミュレーションの結果,提案アルゴリズムは,経路計画,情報化時代(AoI),エネルギー消費,タスク負荷分散の観点から,ベンチマークに比較して良好な性能を示した。
  論文  参考訳（メタデータ） (2024-11-13T02:41:02Z)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)

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。