論文の概要: Bringing Network Coding into Multi-Robot Systems: Interplay Study for Autonomous Systems over Wireless Communications
- arxiv url: http://arxiv.org/abs/2603.17472v1
- Date: Wed, 18 Mar 2026 08:26:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-21 18:33:56.944315
- Title: Bringing Network Coding into Multi-Robot Systems: Interplay Study for Autonomous Systems over Wireless Communications
- Title（参考訳）: ネットワーク符号化をマルチロボットシステムに導入する:無線通信による自律システムのための対話的研究
- Abstract要約: 通信はマルチロボットシステムのコアイネーブルである。
本稿では,通信損失と遅延を緩和するトランスポート層信頼性機構が,自律通信ループを形成する方法を示す。
本稿では,ロボット間通信の遅延と損失による協調的局所化と,安全クリティカルなオーバーテイク操作の2つのケーススタディを提案する。
- 参考スコア（独自算出の注目度）: 48.38270830044451
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Communication is a core enabler for multi-robot systems (MRS), providing the mechanism through which robots exchange state information, coordinate actions, and satisfy safety constraints. While many MRS autonomy algorithms assume reliable and timely message delivery, realistic wireless channels introduce delay, erasures, and ordering stalls that can degrade performance and compromise safety-critical decisions of the robot task. In this paper, we investigate how transport-layer reliability mechanisms that mitigate communication losses and delays shape the autonomy-communication loop. We show that conventional non-coded retransmission-based protocols introduce long delays that are misaligned with the timeliness requirements of MRS applications, and may render the received data irrelevant. As an alternative, we advocate for adaptive and causal network coding, which proactively injects coded redundancy to achieve the desired delay and throughput that enable relevant data delivery to the robotic task. Specifically, this method adapts to channel conditions between robots and causally tunes the communication rates via efficient algorithms. We present two case studies: cooperative localization under delayed and lossy inter-robot communication, and a safety-critical overtaking maneuver where timely vehicle-to-vehicle message availability determines whether an ego vehicle can abort to avoid a crash. Our results demonstrate that coding-based communication significantly reduces in-order delivery stalls, preserves estimation consistency under delay, and improves deadline reliability relative to retransmission-based transport. Overall, the study highlights the need to jointly design autonomy algorithms and communication mechanisms, and positions network coding as a principled tool for dependable multi-robot operation over wireless networks.
- Abstract（参考訳）: 通信はマルチロボットシステム(MRS)のコアイネーブルであり、ロボットが状態情報を交換し、アクションを調整し、安全上の制約を満たすメカニズムを提供する。
多くのMSS自律性アルゴリズムは信頼性とタイムリーなメッセージ配信を前提としているが、現実的な無線チャネルは遅延や消去を導入し、パフォーマンスを低下させ、ロボットタスクの安全クリティカルな決定を損なうおそれがある。
本稿では,通信損失と遅延を軽減し,自律通信ループを形成するトランスポート層信頼性機構について検討する。
従来の非符号化再送信プロトコルでは,MSSアプリケーションのタイムライン要求と一致せず,受信したデータを無関係にレンダリングすることができる。
代案として、適応的かつ因果的ネットワーク符号化を提唱し、ロボットタスクに関連するデータ配信を可能にする、所望の遅延とスループットを達成するために、コード付き冗長性を積極的に注入する。
具体的には、ロボット間のチャネル条件に適応し、効率的なアルゴリズムを用いて通信速度を因果的に調整する。
本稿では,ロボット間通信の遅延と損失による協調的局所化と,事故回避のために自走車が停止できるかどうかを車両間メッセージの時間的可用性が判断する安全クリティカルなオーバーテイク操作の2つのケーススタディを提案する。
この結果から, 符号化による通信は納期遅延を著しく低減し, 遅延時の推定一貫性を保ち, 再送型通信と比較して納期信頼性を向上することを示した。
全体として、この研究は、自律性アルゴリズムと通信機構を共同で設計する必要性を強調し、無線ネットワーク上での信頼性の高いマルチロボット操作の原則として、ネットワークコーディングを位置づけている。
関連論文リスト
- 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) - A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles [51.449502491030756]
衛星支援自動運転のためのマルチタスク・セマンティック・コミュニケーション・フレームワークを提案する。
このフレームワークは、両方のタスクを共同で最適化するために、エンドツーエンドで訓練されている。
提案手法は,87.23%から98.17%までの帯域幅削減を実現している。
論文 参考訳（メタデータ） (2026-07-15T06:49:41Z) - A Query-Driven Communication-Efficient Digital Twins Design for Autonomous Driving [48.449399096079624]
ディジタルツイン(DT)は、決定論的・高信頼性サービスのための物理的実体の危険のないシミュレーションを行うための潜在的な技術となっている。
車両のリアルタイム状態同期のみに依存する従来のDT手法は、許容できない計算と通信消費につながる可能性がある。
本稿では,DTが車両から望まれる環境データを積極的に要求できるようにするためのクエリ駆動型DTアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-06-22T05:28:07Z) - Spatio-Temporal Reconnection for Multi-Robot Networks using Adaptive Prescribed-Time CBFs [12.425757814316244]
マルチボットシステムでは、永続的な通信グラフ接続を維持することは、しばしば過度に制限される。
本稿では,ロボットが一時的に通信範囲を切断し再入力できる適応的な所定時間制御バリア機能(適応PT-CBF)を提案する。
論文 参考訳（メタデータ） (2026-06-01T01:18:10Z) - World Model-Enabled Causal Digital Twins for Semantic Communications in Physical AI Systems [37.02293452905313]
本稿では,クローズドループセンシング-通信-推論制御を用いた物理AIシステムにおける目標指向のセマンティックコミュニケーションについて検討する。
特に、セマンティック通信の問題は、無線ビット予算制約の下で、ビット当たりの長期的な戻り値として定式化される。
閉ループAIシステムのダイナミクスを捉えるために,世界モデル対応因果デジタルツイン(WM-CDT)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-15T18:41:51Z) - Wireless communication empowers online scheduling of partially-observable transportation multi-robot systems in a smart factory [23.803292902949256]
本稿では,無線機械間通信(M2M)と経路スケジューリングを明示的に結合した通信可能なオンラインスケジューリングフレームワークを提案する。
具体的には、インテリジェントAGVの意図とセンサデータを新しいM2Mトラフィックとして決定し、リアルタイムな運用要求を満たすために再送信不要なマルチリンク伝送ネットワークを調整する。
統合された通信とスケジューリング方式により、AGVは計算オーバーヘッドを減らし、衝突のない経路と渋滞のない経路を動的に調整できる。
論文 参考訳（メタデータ） (2026-03-25T06:01:26Z) - Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。
潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。
提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
論文 参考訳（メタデータ） (2026-02-27T04:30:35Z) - Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす
リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。
我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
論文 参考訳（メタデータ） (2026-01-06T10:30:41Z) - Dual-Domain Deep Learning-Assisted NOMA-CSK Systems for Secure and Efficient Vehicular Communications [36.359307639974524]
本稿では、車両通信のための深層学習支援パワードメイン非直交多重アクセスカオスシフトキーリング(DL-NOMA-CSK)システムを提案する。
ディープニューラルネットワーク(DNN)ベースの復調器は、オフライントレーニング中に固有のカオス信号特性を学ぶように設計されている。
提案システムは、スペクトル効率(SE)、エネルギー効率(EE)、ビット誤り率(BER)、セキュリティ、ロバスト性の観点から優れた性能を実現する。
論文 参考訳（メタデータ） (2025-10-23T13:41:00Z) - 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) - Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。
周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。
我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
論文 参考訳（メタデータ） (2024-08-29T08:53:26Z) - Adaptive PD Control using Deep Reinforcement Learning for Local-Remote
Teleoperation with Stochastic Time Delays [5.977871949434069]
ローカルリモートシステムは、ロボットが危険な環境で複雑なタスクを実行できる。
時間遅延はシステムのパフォーマンスと安定性を損なう可能性がある。
本稿では,時間遅れ制御問題に対処するため,強化学習を用いた適応制御手法を提案する。
論文 参考訳（メタデータ） (2023-05-26T14:34:45Z) - Semantic and Effective Communication for Remote Control Tasks with
Dynamic Feature Compression [23.36744348465991]
ロボットの群れの調整と産業システムのリモート無線制御は、5Gおよびそれ以上のシステムの主要なユースケースである。
本研究では,タスクを制御するアクターに知覚データを伝達しなければならないプロトタイパルシステムについて考察する。
本稿では,量子化レベルを動的に適応させるために,アンサンブルベクトル量子化変分オートエンコーダ(VQ-VAE)を符号化し,深層強化学習(DRL)エージェントを訓練する。
論文 参考訳（メタデータ） (2023-01-14T11:43:56Z) - BSAC-CoEx: Coexistence of URLLC and Distributed Learning Services via Device Selection [46.59702442756128]
高優先度の超信頼性低レイテンシ通信(URLLC)と低優先度の分散学習サービスは、ネットワーク上で並列に実行される。
我々はこの問題をマルコフ決定プロセスとして定式化し、分岐ソフトアクター・クリティック(BSAC)アルゴリズムに基づくフレームワークであるBSAC-CoExを用いて対処する。
当社のソリューションは,必要なしきい値を超えるURLLCを保ちながら,分散学習サービスのトレーニング遅延を大幅に低減することができる。
論文 参考訳（メタデータ） (2022-12-22T15:36:15Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z)
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。