論文の概要: AUV Trajectory Learning for Underwater Acoustic Energy Transfer and Age Minimization

• arxiv url: http://arxiv.org/abs/2601.08491v1
• Date: Tue, 13 Jan 2026 12:23:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.191006
• Title: AUV Trajectory Learning for Underwater Acoustic Energy Transfer and Age Minimization
• Title（参考訳）: 水中音響エネルギー伝達と年齢最小化のためのAUV軌道学習
• Authors: Mohamed Afouene Melki, Mohammad Shehab, Mohamed-Slim Alouini,
• Abstract要約: 海洋生物のインターネット(IoUT)は、海洋環境や海洋環境の監視を目的として、ますます注目を集めている。 従来のIoUTデバイスはバッテリーの電力に依存しており、寿命の制限に直面し、廃棄時に環境に悪影響を及ぼす。 本稿では、自律型水中車両(AUV)を介して、IoUTデバイスと音響エネルギー伝達(AET)をデバイスに同時接続するための持続可能なアプローチを提案する。
• 参考スコア（独自算出の注目度）: 46.410091748427796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Internet of underwater things (IoUT) is increasingly gathering attention with the aim of monitoring sea life and deep ocean environment, underwater surveillance as well as maintenance of underwater installments. However, conventional IoUT devices, reliant on battery power, face limitations in lifespan and pose environmental hazards upon disposal. This paper introduces a sustainable approach for simultaneous information uplink from the IoUT devices and acoustic energy transfer (AET) to the devices via an autonomous underwater vehicle (AUV), potentially enabling them to operate indefinitely. To tackle the time-sensitivity, we adopt age of information (AoI), and Jain's fairness index. We develop two deep-reinforcement learning (DRL) algorithms, offering a high-complexity, high-performance frequency division duplex (FDD) solution and a low-complexity, medium-performance time division duplex (TDD) approach. The results elucidate that the proposed FDD and TDD solutions significantly reduce the average AoI and boost the harvested energy as well as data collection fairness compared to baseline approaches.
• Abstract（参考訳）: 海底生物のインターネット(IoUT)は、海洋環境や海洋環境の監視、水中監視、水中設備の維持など、ますます注目を集めている。 しかし、従来のIoUTデバイスはバッテリーの電力に依存しており、寿命の制限に直面し、廃棄時に環境に悪影響を及ぼす。 本稿では,自律型水中車両(AUV)によるIoUTデバイスと音響エネルギー伝達(AET)との同時情報リンクを実現するための,持続可能なアプローチを提案する。 時間感度に対処するために、情報年齢(AoI)とジャイナの公正度指数を採用する。 我々は2つの深層強化学習(DRL)アルゴリズムを開発し、FDDソリューションとTDDアプローチを提供する。 その結果、提案したFDDおよびTDDソリューションは平均AoIを著しく低減し、収穫エネルギーとデータ収集公正性をベースラインアプローチと比較して向上させることがわかった。

関連論文リスト

• EBA-AI: Ethics-Guided Bias-Aware AI for Efficient Underwater Image Enhancement and Coral Reef Monitoring [1.5500145658862496]
  EBA-AIは倫理に配慮したバイアス対応AIフレームワークで、これらの課題に対処する。 EBA-AIはCLIP埋め込みを活用して、データセットバイアスを検出し、緩和し、さまざまな水中環境におけるバランスの取れた表現を保証する。 LSUI400、Ocelex、UIEB100の実験では、PSNRは1.0dBで低下するが、計算の節約は大規模監視のリアルタイム実現を可能にする。
  論文  参考訳（メタデータ） (2025-07-20T16:37:37Z)
• Sonar-based Deep Learning in Underwater Robotics: Overview, Robustness and Challenges [0.46873264197900916]
  水中でのソナーの使用は、限られた訓練データと固有のノイズが特徴であり、頑丈さをモデル化する上での課題となっている。 本稿では,分類,物体検出,セグメンテーション,SLAMなどのソナーベース認知タスクモデルについて検討する。 ソナーベースの最先端データセット、シミュレータ、ニューラルネットワーク検証、アウト・オブ・ディストリビューション、敵攻撃などの堅牢性メソッドを体系化する。
  論文  参考訳（メタデータ） (2024-12-16T15:03:08Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• 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)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• Deep Reinforcement Learning Based Multidimensional Resource Management for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
  エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。 本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
  論文  参考訳（メタデータ） (2021-09-17T08:55:48Z)
• RIS-assisted UAV Communications for IoT with Wireless Power Transfer Using Deep Reinforcement Learning [75.677197535939]
  無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。 第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。 マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T23:55:44Z)
• Constrained Deep Reinforcement Learning for Energy Sustainable Multi-UAV based Random Access IoT Networks with NOMA [20.160827428161898]
  太陽エネルギーの無人航空機(UAV)がIoTデバイスからリモートサーバにデータを中継する無線IoTネットワークの大規模チャネルアクセスを改善するために,非直交多重アクセス技術を適用した。 IoTデバイスは、アダプティブ$p$パーセンスタントスロット付きAlohaプロトコルを使用して共有無線チャネルにアクセスし、ソーラーパワーのUAVは、SICを採用して、IoTデバイスから受信した複数のデータをデコードしてアクセス効率を向上させる。
  論文  参考訳（メタデータ） (2020-01-31T22:05:30Z)

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。