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
- Authors: Abanoub M. Girgis, Ibtissam Labriji, Mehdi Bennis,
- 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
- 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) - 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。