論文の概要: Hierarchical JEPA Meets Predictive Remote Control in Beyond 5G Networks
- arxiv url: http://arxiv.org/abs/2602.07000v1
- Date: Wed, 28 Jan 2026 17:04:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-15 14:54:53.69269
- Title: Hierarchical JEPA Meets Predictive Remote Control in Beyond 5G Networks
- Title（参考訳）: 階層型JEPAが5Gネットワークを超えて予測可能なリモートコントロールに到達
- Abstract要約: スケーラブルな予測制御のための階層型統合埋め込み予測アーキテクチャ(H-JEPA)を提案する。
状態を伝達する代わりに、デバイス観測は重要なダイナミクスを保持する低次元の埋め込みに符号化される。
H-JEPAは、最大42.83 %以上のデバイスを、制御性能を損なうことなく、限られた無線容量でサポートできる。
- 参考スコア（独自算出の注目度）: 24.374628979591872
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In wireless networked control systems, ensuring timely and reliable state updates from distributed devices to remote controllers is essential for robust control performance. However, when multiple devices transmit high-dimensional states (e.g., images or video frames) over bandwidth-limited wireless networks, a critical trade-off emerges between communication efficiency and control performance. To address this challenge, we propose a Hierarchical Joint-Embedding Predictive Architecture (H-JEPA) for scalable predictive control. Instead of transmitting states, device observations are encoded into low-dimensional embeddings that preserve essential dynamics. The proposed architecture employs a three-level hierarchical prediction, with high-level, medium-level, and low-level predictors operating across different temporal resolutions, to achieve long-term prediction stability, intermediate interpolation, and fine-grained refinement, respectively. Control actions are derived within the embedding space, removing the need for state reconstruction. Simulation results on inverted cart-pole systems demonstrate that H-JEPA enables up to 42.83 % more devices to be supported under limited wireless capacity without compromising control performance.
- Abstract（参考訳）: 無線ネットワーク制御システムでは、分散デバイスからリモートコントローラへのタイムリーで信頼性の高い状態更新が、堅牢な制御性能に不可欠である。
しかし、複数のデバイスが帯域幅制限の無線ネットワークを介して高次元状態(画像やビデオフレームなど)を送信すると、通信効率と制御性能の間に重要なトレードオフが発生する。
この課題に対処するために,スケーラブルな予測制御のための階層型統合埋め込み予測アーキテクチャ(H-JEPA)を提案する。
状態を伝達する代わりに、デバイス観測は重要なダイナミクスを保持する低次元の埋め込みに符号化される。
提案アーキテクチャでは, 時間分解能の異なる高レベル, 中レベル, 低レベルの予測器を用いて, 長期予測安定性, 中間補間, 微細精細化を実現する。
制御アクションは埋め込み空間内で引き起こされ、状態再構成の必要性がなくなる。
逆カートポールシステムのシミュレーションの結果、H-JEPAは最大42.83%以上のデバイスを、制御性能を損なうことなく、限られた無線容量でサポートできることが示されている。
関連論文リスト
- Coupled Control and Wireless World Models for Resilient Remote Robotic Control [26.76550154183091]
本稿では,JEPA(Joint Embedding Predictive Architecture)と結合制御に基づく通信対応遠隔ロボット制御フレームワークを提案する。
学習した潜伏表現は、将来のロボットの状態と無線条件を共同で予測することにより、予測的な通信スケジューリングを可能にする。
適応型レジリエンス機構は、潜時予測の不一致を検出し、知覚埋め込みを効率よく適応して、無線および視覚環境の変化に対応する。
論文 参考訳（メタデータ） (2026-09-04T08:09:55Z) - A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
車両の直接遠隔操作は重要な技術的ボトルネックに直面している。
通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。
本稿では,一方的な遠隔操作フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T01:51:08Z) - MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。
本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。
適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
論文 参考訳（メタデータ） (2026-08-02T10:05:50Z) - Hierarchical LLM-Driven Control for HAPS-Assisted UAV Networks: Joint Optimization of Flight and Connectivity [33.68706070829591]
INTN(Integrated terrestrial and non-terrestrial network)で動作するマルチUAVシステムについて検討する。
衝突回避,効率的な交通流,そして動的かつ部分的に観測可能な条件下での信頼性の高い通信を確保するために,UAVが自身の動きに適応しなければならない3次元空路シナリオを考察する。
我々は,大規模言語モデル(LLM)による階層型マルチレート制御フレームワークを提案する。世界レベルでは,HAPS上のLLMベースのコントローラが,ロードバランシングとハンドオーバ決定のための長期計画を実行する。
ローカルレベルでは、各UAVは遅い時間スケールを統合するハイブリッドコントローラを使用する。
論文 参考訳（メタデータ） (2026-05-12T04:27:14Z) - Centralizing Task-based Approach to Quantum Network Control [71.48385446560893]
階層アーキテクチャは、量子ネットワークに厳格な設計とタイミング制約を課します。
我々は、集中型コントローラを利用することで、リソース中心のタスクベースの量子ネットワーク制御アプローチをシミュレートする。
論文 参考訳（メタデータ） (2026-05-05T03:57:17Z) - A Network-Aware Evaluation of Distributed Energy Resource Control in Smart Distribution Systems [0.0]
本研究では,共同シミュレーションフレームワークを用いた代表的仮想電力プラントディスパッチアルゴリズムの実装駆動評価について述べる。
本研究は,光電透過率の高い改良型IEEE37ノード給電器と,給電ヘッドのアクティブ電力追跡と電圧制御を同時に狙うプリマルデュアルVPPディスパッチについて検討した。
その結果, 理想的な通信環境下では, 選択したバスの所定限内電圧を維持しながら, 給電側電力基準の緊密な追尾を行うことができた。
論文 参考訳（メタデータ） (2026-04-21T17:40:36Z) - AsyncVLA: An Asynchronous VLA for Fast and Robust Navigation on the Edge [49.66156306240961]
高レイテンシは制御ループを壊し、リアルタイムデプロイメントでは安全でない強力なモデルをレンダリングする。
リアクティブ実行からセマンティック推論を分離する非同期制御フレームワークであるAsyncVLAを提案する。
AsyncVLAは、最先端のベースラインよりも40%高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-13T21:31:19Z) - Adaptive End-to-End Transceiver Design for NextG Pilot-Free and CP-Free Wireless Systems [18.330923801141886]
パイロットフリーでCPフリーな無線システムに適した適応型エンドツーエンド(E2E)トランシーバアーキテクチャを提案する。
このアーキテクチャは、AI駆動の星座形成と、ジョイントトレーニングによるニューラルレシーバーを組み合わせる。
提案するフレームワークは,様々なチャネルシナリオに対して,より優れたビットエラー率(BER),スループット,レジリエンスを提供する。
論文 参考訳（メタデータ） (2025-10-29T11:34:09Z) - Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。
提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
論文 参考訳（メタデータ） (2025-09-16T08:48:44Z) - AI/ML Life Cycle Management for Interoperable AI Native RAN [50.61227317567369]
人工知能(AI)と機械学習(ML)モデルは、5Gラジオアクセスネットワーク(RAN)を急速に浸透させている
これらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
論文 参考訳（メタデータ） (2025-07-24T16:04:59Z) - From Pixels to CSI: Distilling Latent Dynamics For Efficient Wireless Resource Management [31.080933663717257]
本稿では,制御システムのダイナミクスを協調的にモデル化し,予測する新しい機械学習手法を提案する。
提案手法は,ベースライン方式に匹敵する制御性能を維持しつつ,送信電力を50%以上削減することを示す。
論文 参考訳（メタデータ） (2025-06-19T11:08:20Z) - AI-in-the-Loop Sensing and Communication Joint Design for Edge Intelligence [65.29835430845893]
本稿では,AI-in-the-loopジョイントセンシングと通信によるエッジインテリジェンス向上のためのフレームワークを提案する。
私たちの研究の重要な貢献は、バリデーション損失とシステムのチューニング可能なパラメータとの間に明確な関係を確立することです。
提案手法は, 通信エネルギー消費を最大77%削減し, 試料数で測定した検知コストを最大52%削減する。
論文 参考訳（メタデータ） (2025-02-14T14:56:58Z) - Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。
既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。
本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
論文 参考訳（メタデータ） (2025-01-20T04:26:21Z) - Latent feedback control of distributed systems in multiple scenarios through deep learning-based reduced order models [3.5161229331588095]
高次元分散システムの継続的な監視とリアルタイム制御は、望まれる物理的な振る舞いを保証するためにアプリケーションに不可欠である。
完全順序モデルに依存する従来のフィードバック制御設計は、制御計算の遅延のため、これらの要求を満たすことができない。
非線形非侵襲的深層学習に基づく還元順序モデル(DL-ROM)により強化されたリアルタイム閉ループ制御戦略を提案する。
論文 参考訳（メタデータ） (2024-12-13T08:04:21Z) - Time-Series JEPA for Predictive Remote Control under Capacity-Limited Networks [31.408649975934008]
時系列共同埋め込み予測アーキテクチャ(TS-JEPA)
TS-JEPAは、高次元の知覚データをセンサーに低次元のセマンティック埋め込みにエンコードする。
チャネル対応スケジューリングはデバイス送信を動的に優先順位付けするために統合される。
論文 参考訳（メタデータ） (2024-06-07T11:35:15Z) - Perimeter Control with Heterogeneous Metering Rates for Cordon Signals: A Physics-Regularized Multi-Agent Reinforcement Learning Approach [12.86346901414289]
過飽和環境下での都市道路網の制御に対処するための周辺制御(PC)戦略が提案されている。
本稿では,MARL(Multi-Agent Reinforcement Learning)に基づく交通信号制御フレームワークを活用し,PC問題を分解する。
MARLフレームワークの物理正則化手法は,分散コードン信号制御装置がグローバルネットワークの状態を認識していることを確実にするために提案される。
論文 参考訳（メタデータ） (2023-08-24T13:51:16Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Deep Reinforcement Learning for Wireless Scheduling in Distributed Networked Control [37.10638636086814]
完全分散無線制御システム(WNCS)の周波数チャネル数に制限のある結合アップリンクとダウンリンクのスケジューリング問題を考える。
深層強化学習(DRL)に基づくフレームワークを開発した。
DRLにおける大きなアクション空間の課題に対処するために,新しいアクション空間削減法とアクション埋め込み法を提案する。
論文 参考訳（メタデータ） (2021-09-26T11:27:12Z)
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。