論文の概要: Fast Surrogate Learning for Multi-Objective UAV Placement in Motorway Intelligent Transportation System

• arxiv url: http://arxiv.org/abs/2602.13564v1
• Date: Sat, 14 Feb 2026 02:45:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:28.149666
• Title: Fast Surrogate Learning for Multi-Objective UAV Placement in Motorway Intelligent Transportation System
• Title（参考訳）: 自動車交通システムにおける多目的UAV配置のための高速サロゲート学習
• Authors: Weian Guo, Shixin Deng, Wuzhao Li, Li Li,
• Abstract要約: 記録レベル分割による高次元自動車道記録からベンチマークを構築し,NSGA-IIを用いてラベルを生成する。 我々は、無人車両の位置をUAV数と連続配置にマッピングする高速サロゲートモデルを訓練する。 その結果,置換不変集合モデルが最も高い範囲 – SNR-countのトレードオフを学習者間で与えていることが示唆された。
• 参考スコア（独自算出の注目度）: 2.74279932215302
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address multi-objective unmanned aerial vehicle (UAV) placement for motorway intelligent transportation systems, where deployments must balance coverage, link quality, and UAV count under geometric constraints. We construct a reproducible benchmark from highD motorway recordings with recording-level splits and generate Pareto-optimal labels via NSGA-II. A preference rule yields deployable targets while preserving multi-objective evaluation. We train fast surrogate models that map unordered vehicle positions to UAV count and continuous placements, using permutation-aware losses and constraint-regularized training across set-based and sequence-based architectures. The evaluation protocol combines Pareto quality metrics, success-rate curves, runtime benchmarks, and robustness studies, with uncertainty quantified by recording-level bootstrap. Results indicate that permutation-invariant set models provide the strongest coverage--SNR--count trade-off among learned predictors and approach NSGA-II quality while enabling real-time inference. Under shared budgets, they offer a more favorable success--latency trade-off than heuristic baselines. The benchmark, splits are released to support reproducible ITS deployment studies and to facilitate comparisons under shared operational budgets.
• Abstract（参考訳）: 道路交通システムにおける多目的無人航空機(UAV)の配置について検討する。 記録レベル分割による高次元自動車道記録から再現可能なベンチマークを構築し,NSGA-IIを介してパレート最適ラベルを生成する。 優先ルールは、多目的評価を保持しながらデプロイ可能なターゲットを与える。 我々は、順序付けされていない車両の位置をUAV数と連続配置にマッピングする高速サロゲートモデルをトレーニングする。 評価プロトコルは、Paretoの品質指標、成功率曲線、ランタイムベンチマーク、ロバストネススタディと、記録レベルのブートストラップによって定量化された不確実性を組み合わせたものである。 その結果,置換不変集合モデルは,学習した予測者間でのSNR値のトレードオフを最大化し,NSGA-II品質に近づき,リアルタイムな推論を可能にした。 共有予算の下では、彼らはヒューリスティックなベースラインよりも、より好ましい成功 – レイテンシのトレードオフを提供する。 ベンチマーク、スプリットは再現可能なITSデプロイメント研究をサポートし、共有運用予算下での比較を容易にするためにリリースされている。

関連論文リスト

• Guided by Trajectories: Repairing and Rewarding Tool-Use Trajectories for Tool-Integrated Reasoning [65.10602992874787]
  AutoTrajはツール使用トラジェクトリの修復と報酬によってTIRを自動的に学習するフレームワークである。 実世界のベンチマークの実験では、AutoTrajの有効性が示されている。
  論文  参考訳（メタデータ） (2026-01-30T14:42:04Z)
• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• 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)
• Without Paired Labeled Data: End-to-End Self-Supervised Learning for Drone-view Geo-Localization [20.603433987118837]
  ドローンビュージオローカライゼーション(DVGL)は、GPSタグ付き衛星画像を取得することで、ドローンの正確なローカライゼーションを実現することを目的としている。 既存の手法は、教師あり学習のために、厳密にペアリングされたドローン衛星画像に大きく依存している。 浅いバックボーンネットワークを用いたエンドツーエンドの自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2025-02-17T02:53:08Z)
• 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)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• A Hybrid Framework of Reinforcement Learning and Convex Optimization for UAV-Based Autonomous Metaverse Data Collection [16.731929552692524]
  本稿では,UAVが基地局(BS)のカバー範囲を広げて道路側ユニット(RSU)で生成したメタバースデータを収集する,UAV支援型メタバースネットワークについて考察する。 データ収集効率を改善するため、リソース割り当てとトラジェクトリ制御をシステムモデルに統合する。 提案するUAV支援Metaverseネットワークシステムモデルに基づいて,時間系列最適化問題を協調的に解くために,強化学習と凸最適化を備えたハイブリッドフレームワークを設計する。
  論文  参考訳（メタデータ） (2023-05-29T11:49:20Z)
• Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
  軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。 近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。 我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
  論文  参考訳（メタデータ） (2021-04-16T17:58:56Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)

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。