論文の概要: Semantic-Aware UAV Command and Control for Efficient IoT Data Collection

• arxiv url: http://arxiv.org/abs/2604.08153v1
• Date: Thu, 09 Apr 2026 12:12:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.905986
• Title: Semantic-Aware UAV Command and Control for Efficient IoT Data Collection
• Title（参考訳）: 効率的なIoTデータ収集のためのセマンティック・アウェアUAVコマンドと制御
• Authors: Assane Sankara, Daniel Bonilla Licea, Hajar El Hammouti,
• Abstract要約: 無人航空機(UAV)はIoT(Internet of Things)デバイスからのデータ収集のための重要なイネーブラー技術として登場した。 本稿では,UAVコマンド・アンド・コントロール(C&C)とセマンティックコミュニケーションを統合し,IoTデバイスからの効率的な画像データ収集を実現する新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 5.735035463793007
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unmanned Aerial Vehicles (UAVs) have emerged as a key enabler technology for data collection from Internet of Things (IoT) devices. However, effective data collection is challenged by resource constraints and the need for real-time decision-making. In this work, we propose a novel framework that integrates semantic communication with UAV command-and-control (C&C) to enable efficient image data collection from IoT devices. Each device uses Deep Joint Source-Channel Coding (DeepJSCC) to generate a compact semantic latent representation of its image to enable image reconstruction even under partial transmission. A base station (BS) controls the UAV's trajectory by transmitting acceleration commands. The objective is to maximize the average quality of reconstructed images by maintaining proximity to each device for a sufficient duration within a fixed time horizon. To address the challenging trade-off and account for delayed C&C signals, we model the problem as a Markov Decision Process and propose a Double Deep Q-Learning (DDQN)-based adaptive flight policy. Simulation results show that our approach outperforms baseline methods such as greedy and traveling salesman algorithms, in both device coverage and semantic reconstruction quality.
• Abstract（参考訳）: 無人航空機(UAV)はIoT(Internet of Things)デバイスからのデータ収集のための重要なイネーブラー技術として登場した。 しかし、リソースの制約やリアルタイムな意思決定の必要性により、効果的なデータ収集が課題となっている。 本研究では,UAVコマンド・アンド・コントロール(C&C)とセマンティックコミュニケーションを統合し,IoTデバイスからの効率的な画像データ収集を実現する新しいフレームワークを提案する。 それぞれのデバイスはDeep Joint Source-Channel Coding (DeepJSCC) を使用して画像のコンパクトなセマンティック潜在表現を生成し、部分的な伝送でも画像再構成を可能にする。 基地局(BS)は、加速度コマンドを送信してUAVの軌道を制御する。 本研究の目的は、固定時間地平線内において、各装置に十分な時間的近接を維持することにより、再構成画像の平均品質を最大化することである。 そこで我々は,この問題をマルコフ決定プロセスとしてモデル化し,Double Deep Q-Learning(DDQN)に基づく適応飛行ポリシーを提案する。 シミュレーションの結果,本手法は,デバイスカバレッジとセマンティック再構築の品質の両方において,欲求や旅行セールスマンアルゴリズムなどのベースライン手法よりも優れていることがわかった。

関連論文リスト

• Leveraging Large Vision Model for Multi-UAV Co-perception in Low-Altitude Wireless Networks [51.323657802729535]
  多様な低高度経済応用のための有望なパラダイムとして、UAV(Multi-Uncrewed Aero Vehicle)協調認識が出現している。 本稿では,BHU(Base-Station-Helped UAV)と呼ばれるコミュニケーション効率の良い協調認識フレームワークを提案する。 我々は、UAVキャプチャされたRGB画像から最も情報性の高い画素を識別するためにTop-K選択機構を使用し、データボリュームと遅延を低減したスペーサー化された視覚伝達を可能にする。
  論文  参考訳（メタデータ） (2026-03-13T17:49:28Z)
• 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)
• Adaptive Data Transport Mechanism for UAV Surveillance Missions in Lossy Environments [2.700610024690147]
  無人航空機(UAV)は、情報、監視、偵察(ISR)の任務においてますます重要な役割を担っている。 本稿では、ミッション目標に大きく貢献する画像の選択領域を優先する、AIによる代替スケジューリングポリシーを提案する。
  論文  参考訳（メタデータ） (2024-09-30T18:22:58Z)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• Energy-Efficient Cellular-Connected UAV Swarm Control Optimization [25.299881367750487]
  セル接続型UAVSwarmネットワークにおける2相指令制御(C&C)伝送方式を提案する。 制約付きマルコフ決定過程として問題を定式化し、最適方針を求める。 我々のアルゴリズムは、エネルギー制約下で共通C&Cを受信するUAVの数を最大化することができる。
  論文  参考訳（メタデータ） (2023-03-18T11:42:04Z)
• Task-Oriented Image Transmission for Scene Classification in Unmanned Aerial Systems [46.64800170644672]
  シーン分類作業のための新しい航空画像伝送パラダイムを提案する。 画像やチャネル条件の認識を伴うセマンティックブロック伝送のための,フロントエンドUAV上での軽量モデルを開発した。 伝送遅延と分類精度のトレードオフを達成するために、深層強化学習を用いる。
  論文  参考訳（メタデータ） (2021-12-21T02:44:49Z)
• RIS-assisted UAV Communications for IoT with Wireless Power Transfer Using Deep Reinforcement Learning [75.677197535939]
  無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。 第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。 マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T23:55:44Z)
• Trajectory Design for UAV-Based Internet-of-Things Data Collection: A Deep Reinforcement Learning Approach [93.67588414950656]
  本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。 本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。 シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-23T03:33:29Z)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• UAV Path Planning for Wireless Data Harvesting: A Deep Reinforcement Learning Approach [18.266087952180733]
  本稿では,IoT(Internet of Things)デバイスからのUAV対応データ収集に対するエンドツーエンド強化学習手法を提案する。 自律ドローンは、限られた飛行時間と障害物回避を受ける分散センサーノードからデータを収集する。 提案するネットワークアーキテクチャにより,エージェントが様々なシナリオパラメータの移動決定を行うことができることを示す。
  論文  参考訳（メタデータ） (2020-07-01T15:14:16Z)

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。