論文の概要: Embodied AI-Enhanced IoMT Edge Computing: UAV Trajectory Optimization and Task Offloading with Mobility Prediction

• arxiv url: http://arxiv.org/abs/2512.20902v1
• Date: Wed, 24 Dec 2025 03:06:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-25 19:43:21.661074
• Title: Embodied AI-Enhanced IoMT Edge Computing: UAV Trajectory Optimization and Task Offloading with Mobility Prediction
• Title（参考訳）: Embodied AI-Enhanced IoMT Edge Computing: UAVトラジェクトリ最適化とモビリティ予測によるタスクオフロード
• Authors: Siqi Mu, Shuo Wen, Yang Lu, Ruihong Jiang, Bo Ai,
• Abstract要約: 無人航空機(UAV)は、無線ボディエリアネットワーク(WBAN)ユーザーにリアルタイムなバイオメディカルエッジコンピューティングサービスを提供するために、Internet of Medical Things(IoMT)で広く利用されている。 本稿では,AIエージェントが捉えたユーザの履歴軌跡に基づく,階層型マルチスケールトランスフォーマーに基づくユーザ軌道予測モデルを提案する。 予測ユーザの移動情報を統合した予測強化学習(DRL)アルゴリズムは,UAV飛行軌跡の最適化とタスクオフロード決定のために設計されている。
• 参考スコア（独自算出の注目度）: 16.23179975760884
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Due to their inherent flexibility and autonomous operation, unmanned aerial vehicles (UAVs) have been widely used in Internet of Medical Things (IoMT) to provide real-time biomedical edge computing service for wireless body area network (WBAN) users. In this paper, considering the time-varying task criticality characteristics of diverse WBAN users and the dual mobility between WBAN users and UAV, we investigate the dynamic task offloading and UAV flight trajectory optimization problem to minimize the weighted average task completion time of all the WBAN users, under the constraint of UAV energy consumption. To tackle the problem, an embodied AI-enhanced IoMT edge computing framework is established. Specifically, we propose a novel hierarchical multi-scale Transformer-based user trajectory prediction model based on the users' historical trajectory traces captured by the embodied AI agent (i.e., UAV). Afterwards, a prediction-enhanced deep reinforcement learning (DRL) algorithm that integrates predicted users' mobility information is designed for intelligently optimizing UAV flight trajectory and task offloading decisions. Real-word movement traces and simulation results demonstrate the superiority of the proposed methods in comparison with the existing benchmarks.
• Abstract（参考訳）: インターネット・オブ・メディカル・モノストリーズ (Internet of Medical Things, IoMT) では、無線ボディエリア・ネットワーク (WBAN) 利用者にリアルタイムなバイオメディカルエッジコンピューティングサービスを提供するために無人航空機 (UAV) が広く使用されている。 本稿では,多様な WBAN 利用者の時間的タスククリティカル性特性と WBAN 利用者と UAV 利用者のデュアルモビリティを考慮し,UAV エネルギー消費の制約の下で,全 WBAN 利用者の平均タスク完了時間を最小化するために,動的タスクオフロードと UAV 飛行軌道最適化問題について検討する。 この問題に対処するために、AIを具現化したIoMTエッジコンピューティングフレームワークが確立されている。 具体的には,組込みAIエージェント(UAV)が捉えたユーザの履歴軌跡に基づく,階層型マルチスケールトランスフォーマーに基づくユーザ軌道予測モデルを提案する。 その後、予測ユーザの移動情報を統合した予測強化学習(DRL)アルゴリズムは、UAV飛行軌道をインテリジェントに最適化し、タスクオフロード決定を行うように設計されている。 実単語移動トレースとシミュレーションの結果は,既存のベンチマークと比較して提案手法の優位性を示している。

関連論文リスト

• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• 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)
• Age of Information Minimization in UAV-Enabled Integrated Sensing and Communication Systems [34.92822911897626]
  統合センシング通信(ISAC)機能を備えた無人航空機(UAV)は、将来の無線ネットワークにおいて重要な役割を果たすと想定されている。 ターゲットセンシングとマルチユーザ通信を同時に行う老化情報(AoI)システムを提案する。
  論文  参考訳（メタデータ） (2025-07-18T18:17:09Z)
• Attention-based UAV Trajectory Optimization for Wireless Power Transfer-assisted IoT Systems [19.680892841701674]
  本稿では,グラフトランスを用いた意図に基づくUAVトラジェクトリ最適化フレームワークを提案する。 ATOMでは、すべてのIoTDの自己アテンション特性を計算するためにグラフエンコーダが使用される。 TENMAは改良されたアクター・クリティカル法を用いてATOMを訓練し、システムの真の報酬をベースラインとして適用して、批評家ネットワークのばらつきを低減する。
  論文  参考訳（メタデータ） (2025-02-23T02:57:06Z)
• 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)
• Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
  無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。 本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T12:36:08Z)
• 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)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
  動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
  論文  参考訳（メタデータ） (2020-01-28T15:10:22Z)

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。