論文の概要: JCAS-MARL: Joint Communication and Sensing UAV Networks via Resource-Constrained Multi-Agent Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2603.20265v1
- Date: Fri, 13 Mar 2026 13:53:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 02:36:12.951175
- Title: JCAS-MARL: Joint Communication and Sensing UAV Networks via Resource-Constrained Multi-Agent Reinforcement Learning
- Title（参考訳）: JCAS-MARL:資源制約型マルチエージェント強化学習による共同通信とUAVネットワークのセンシング
- Authors: Islam Guven, Mehmet Parlak,
- Abstract要約: JCAS-MARLは、JCAS対応UAVネットワークのためのフレームワークである。
本稿では,JCAS対応UAVネットワークにおけるセンサ通信とエネルギーのトレードオフを利用したMARL政策について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Multi-UAV networks are increasingly deployed for large-scale inspection and monitoring missions, where operational performance depends on the coordination of sensing reliability, communication quality, and energy constraints. In particular, the rapid increase in overflowing waste bins and illegal dumping sites has created a need for efficient detection of waste hotspots. In this work, we introduce JCAS-MARL, a resource-aware multi-agent reinforcement learning (MARL) framework for joint communication and sensing (JCAS)-enabled UAV networks. Within this framework, multiple UAVs operate in a shared environment where each agent jointly controls its trajectory and the resource allocation of an OFDM waveform used simultaneously for sensing and communication. Battery consumption, charging behavior, and associated CO$_2$ emissions are incorporated into the system state to model realistic operational constraints. Information sharing occurs over a dynamic communication graph determined by UAV positions and wireless channel conditions. Waste hotspot detection requires consensus among multiple UAVs to improve reliability. Using this environment, we investigate how MARL policies exploit the sensing-communication-energy trade-off in JCAS-enabled UAV networks. Simulation results demonstrate that adaptive pilot-density control learned by the agents can outperform static configurations, particularly in scenarios where sensing accuracy and communication connectivity vary across the environment.
- Abstract（参考訳）: マルチUAVネットワークは大規模検査および監視ミッションにますます利用されており、運用性能は、感度信頼性、通信品質、エネルギー制約の調整に依存する。
特に, 埋立処分場や不法投棄場が急速に増加し, 廃棄物ホットスポットの効率的な検出の必要性が高まっている。
本稿では,JCAS-MARLについて紹介する。JCAS-MARLは,JCAS対応UAVネットワークのためのリソース対応マルチエージェント強化学習(MARL)フレームワークである。
このフレームワーク内では、複数のUAVが共有環境で動作し、各エージェントがその軌道を共同で制御し、同時にセンシングと通信に使用されるOFDM波形のリソース割り当てを行う。
実際の運用上の制約をモデル化するために、バッテリ消費、充電行動、および関連するCO$_2$エミッションがシステム状態に組み込まれる。
情報共有は、UAV位置と無線チャネル条件によって決定される動的通信グラフ上で行われる。
廃棄物ホットスポット検出には、信頼性を向上させるために複数のUAV間での合意が必要である。
この環境を用いて,JCAS対応UAVネットワークにおけるセンサ通信とエネルギーのトレードオフを利用したMARLポリシーについて検討する。
シミュレーションの結果, エージェントが学習した適応的なパイロット密度制御は, 静的な構成よりも優れており, 特に, 検知精度と通信接続性が環境によって異なる場合において顕著であることがわかった。
関連論文リスト
- Security-Aware Joint Sensing, Communication, and Computing Optimization in Low Altitude Wireless Networks [83.84711311344918]
I SCCは低高度無線ネットワーク(LAWN)の中核部の一つである。
本稿では,通信の秘密性を考慮したI SCCの連成性能最適化について検討する。
進化的最適化の目的に応じて進化的演算子を適応的に選択する深層Q-network(DQN)に基づく多目的進化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-11-03T11:06:41Z) - When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。
これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。
本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-25T02:02:14Z) - Integrated Communication and Control for Energy-Efficient UAV Swarms: A Multi-Agent Reinforcement Learning Approach [9.51758427865825]
本稿では,UAVSwarm支援通信の品質向上を目的とした,統合型通信・制御協調設計機構を提案する。
マルコフ決定過程(MDP)として,共同資源配分と3次元軌道制御問題を定式化する。
我々は,UAV群全体のリアルタイム協調動作を可能にするマルチエージェント強化学習フレームワークを開発した。
論文 参考訳（メタデータ） (2025-09-28T14:23:04Z) - LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。
本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。
その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
論文 参考訳（メタデータ） (2025-07-23T04:22:57Z) - Age of Information Minimization in UAV-Enabled Integrated Sensing and Communication Systems [34.92822911897626]
統合センシング通信(ISAC)機能を備えた無人航空機(UAV)は、将来の無線ネットワークにおいて重要な役割を果たすと想定されている。
ターゲットセンシングとマルチユーザ通信を同時に行う老化情報(AoI)システムを提案する。
論文 参考訳（メタデータ） (2025-07-18T18:17:09Z) - 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) - Causality-Driven Reinforcement Learning for Joint Communication and Sensing [4.165335263540595]
我々は,mMIMOベースのJCAS環境に対する因果関係を介入し,発見することができる因果関係認識型RLエージェントを提案する。
我々は、RLに基づくJCASの因果発見を実現するために、状態依存行動次元選択戦略を用いる。
論文 参考訳（メタデータ） (2024-09-07T07:15:57Z) - Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。
CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。
さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
論文 参考訳（メタデータ） (2024-05-18T12:45:00Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - 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) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
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。