論文の概要: iSatCR: Graph-Empowered Joint Onboard Computing and Routing for LEO Data Delivery

• arxiv url: http://arxiv.org/abs/2603.18539v1
• Date: Thu, 19 Mar 2026 06:49:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.985774
• Title: iSatCR: Graph-Empowered Joint Onboard Computing and Routing for LEO Data Delivery
• Title（参考訳）: iSatCR: LEOデータ配信のためのグラフ駆動型オンボードコンピューティングとルーティング
• Authors: Jiangtao Luo, Bingbing Xu, Shaohua Xia, Yongyi Ran,
• Abstract要約: iSatCRは、オンボードコンピューティングとルーティングを共同で最適化し、送信効率を向上する分散グラフベースのアプローチである。 そこで本研究では,制約付きオンボードストレージ下での協調型計算ルーティング戦略を導出する分散グラフに基づく深層強化学習アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 5.78608679278954
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sending massive Earth observation data produced by low Earth orbit (LEO) satellites back to the ground for processing consumes a large amount of on-orbit bandwidth and exacerbates the space-to-ground link bottleneck. Most prior work has concentrated on optimizing the routing of raw data within the constellation, yet cannot cope with the surge in data volume. Recently, advances in onboard computing have made it possible to process data in situ, thus significantly reducing the data volume to be transmitted. In this paper, we present iSatCR, a distributed graph-based approach that jointly optimizes onboard computing and routing to boost transmission efficiency. Within iSatCR, we design a novel graph embedding utilizing shifted feature aggregation and distributed message passing to capture satellite states, and then propose a distributed graph-based deep reinforcement learning algorithm that derives joint computing-routing strategies under constrained on-board storage to handle the complexity and dynamics of LEO networks. Extensive experiments show iSatCR outperforms baselines, particularly under high load.
• Abstract（参考訳）: 低軌道衛星(LEO)によって生成された大量の地球観測データを地上に送って処理することで、軌道上の大量の帯域を消費し、宇宙と地上のリンクボトルネックを悪化させる。 これまでのほとんどの研究は、星座内の生データのルーティングの最適化に集中しているが、データ量の急増には対処できない。 近年、オンボードコンピューティングの進歩により、データをその場で処理できるようになり、送信するデータ量が大幅に削減されている。 本稿では、オンボードコンピューティングとルーティングを協調的に最適化し、伝送効率を向上する分散グラフベースのiSatCRを提案する。 iSatCR内では、シフトした特徴集約と分散メッセージパッシングを利用して衛星状態を捕捉する新しいグラフ埋め込みを設計し、LEOネットワークの複雑さとダイナミクスを扱うために、制約付きオンボードストレージ下での連立コンピューティングルーティング戦略を導出する分散グラフベースのディープ強化学習アルゴリズムを提案する。 大規模な実験では、特に高負荷下でiSatCRがベースラインを上回っている。

関連論文リスト

• Reinforcement Learning for Opportunistic Routing in Software-Defined LEO-Terrestrial Systems [16.049887428366333]
  大型の低地球軌道(LEO)衛星コンステレーションはインテリジェントなルーティング戦略を必要としている。 固定宛先ではなく,現在利用可能な地上ゲートウェイにパケットを転送することで,配送遅延を最小限に抑える。
  論文  参考訳（メタデータ） (2026-01-20T07:01:14Z)
• An Efficient Privacy-aware Split Learning Framework for Satellite Communications [33.608696987158424]
  衛星通信におけるより効率的なSLのための新しいフレームワークを提案する。 我々のアプローチであるDynamic Topology Informed Pruningは、分散学習のためのグラフニューラルネットワークを最適化するために、差分プライバシとグラフとモデルプルーニングを組み合わせる。 当社のフレームワークは,衛星通信の運用効率を大幅に向上するだけでなく,プライバシに配慮した分散学習の新たなベンチマークも確立している。
  論文  参考訳（メタデータ） (2024-09-13T04:59:35Z)
• A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
  衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。 本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T06:57:45Z)
• Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
  本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。 軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。 提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
  論文  参考訳（メタデータ） (2024-04-02T11:59:58Z)
• Augmenting Ground-Level PM2.5 Prediction via Kriging-Based Pseudo-Label Generation [0.9175121581660474]
  本研究では,通常のクリグ法と呼ばれる空間的手法により生成された擬似ラベルと組み合わせたラベルのない衛星画像を導入することにより,トレーニングデータセットを増強する戦略を提案する。 提案したデータ拡張戦略は,最先端の畳み込みニューラルネットワークランダムフォレスト(CNN-RF)モデルの性能を合理的に向上させる。
  論文  参考訳（メタデータ） (2024-01-16T02:42:45Z)
• Turning Channel Noise into an Accelerator for Over-the-Air Principal Component Analysis [65.31074639627226]
  主成分分析(PCA)は、データセットの線形構造を抽出するための技術です。 勾配降下アルゴリズムに基づくマルチアクセスチャネル上にPCAを配置する手法を提案する。 オーバー・ザ・エア・アグリゲーションはマルチ・アクセスの遅延を減らすために採用され、オーバー・ザ・エア・PCAという名称を与える。
  論文  参考訳（メタデータ） (2021-04-20T16:28:33Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。