論文の概要: Digital Twin-Assisted Adaptive Multi-Agent DRL for Intelligent Spectrum and Resource Management in Open-RAN UAV-Enabled 6G Networks

• arxiv url: http://arxiv.org/abs/2606.01324v1
• Date: Sun, 31 May 2026 16:19:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.586301
• Title: Digital Twin-Assisted Adaptive Multi-Agent DRL for Intelligent Spectrum and Resource Management in Open-RAN UAV-Enabled 6G Networks
• Title（参考訳）: オープンランUAV対応6Gネットワークにおける知的スペクトル・資源管理のためのディジタルツインアシスト型適応多エージェントDRL
• Authors: Marwan Dhuheir, Thang X. Vu, Symeon Chatzinotas,
• Abstract要約: 6G無線ネットワークは、無人航空機(UAV)がカバー範囲を広げ、レジリエンスを向上し、地上ユーザのデプロイメントに信頼性の高い接続性を確保する上で重要な役割を果たす、シームレスにインテリジェントでオープンなRAN対応アーキテクチャを想定している。 高度にダイナミックなUAV支援環境でのスペクトルと資源の効率的な管理は、非線形システム相互作用、モビリティによって引き起こされるトポロジの変動、厳密なレイテンシとエネルギー制約により、依然として大きな課題である。 本稿では,デジタルツイン(DT)を利用した適応型深層強化学習(DRL)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）: 49.19977685617281
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The evolution toward 6G wireless networks envisions a seamlessly intelligent, Open-RAN-enabled architecture where unmanned aerial vehicles (UAVs) play a pivotal role in extending coverage, enhancing resilience, and ensuring reliable connectivity for ground users deployment. However, efficiently managing spectrum and resources in such highly dynamic UAV-assisted environments remains a major challenge due to nonlinear system interactions, mobility-induced topology variations, and stringent latency and energy constraints. To address these challenges, we propose a digital twin (DT)-assisted adaptive deep reinforcement learning (DRL) framework that enables intelligent spectrum sharing and resource allocation across distributed ground users. The complex optimization problem is decomposed into UAV trajectory optimization using particle swarm optimization (PSO) and dynamic spectrum-power-association management via multi-agent DRL (MADRL). This hybrid DT-driven approach empowers intelligent, context-aware decision-making and adaptive coordination among UAVs. Extensive simulations demonstrate significant gains in spectral efficiency, data rates, and energy utilization, showcasing a transformative path toward self-evolving, autonomous 6G UAV and ground users (GUs) connectivity.
• Abstract（参考訳）: 6G無線ネットワークへの進化は、無人航空機(UAV)がカバー範囲の拡大、レジリエンスの強化、地上ユーザのデプロイメントの信頼性確保に重要な役割を果たしている、シームレスにインテリジェントでオープンなRAN対応アーキテクチャを想定している。 しかし、このような高度にダイナミックなUAV支援環境でのスペクトルと資源の効率的な管理は、非線形システム相互作用、モビリティによって引き起こされるトポロジーの変動、厳密なレイテンシとエネルギー制約によって大きな課題である。 これらの課題に対処するために,デジタルツイン(DT)を利用した適応型深層強化学習(DRL)フレームワークを提案する。 複雑な最適化問題は、パーティクルスワム最適化(PSO)とマルチエージェントDRL(MADRL)による動的スペクトルパワー・アソシエーション管理を用いて、UAV軌道最適化に分解される。 このハイブリッドDT駆動アプローチは、UAV間のインテリジェントでコンテキスト対応の意思決定と適応的な調整を促進する。 大規模なシミュレーションでは、スペクトル効率、データレート、エネルギー利用が大幅に向上し、自己進化、自律6GUAV、地上ユーザ(GUs)接続への転換経路を示す。

関連論文リスト

• Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL [37.79695337425523]
  低高度インテリジェントネットワーク(LAIN)は、災害対応、環境モニタリング、リアルタイムセンシングといったミッションクリティカルなアプリケーションをサポートすることができる。 これらのシステムは、エネルギー制約のあるUAV、タスク到着、異種コンピューティングリソースなど、重要な課題に直面している。 本稿では,UAV軌道計画とタスクオフロード決定を協調的に最適化する,時間依存型整数型非線形計画問題の解法を提案する。
  論文  参考訳（メタデータ） (2025-12-05T08:14:45Z)
• DRL-Based Resource Allocation for Energy-Efficient IRS-Assisted UAV Spectrum Sharing Systems [2.639081233699357]
  IRS支援無人航空機(UAV)システムは、再構成可能で柔軟な無線通信のための新しいパラダイムを提供する。 本稿では、周波数分割多重化(OFDM)を用いた新しいIRS支援UAV帯域共有システムを提案する。 物理的に接地された推進エネルギーモデルが採用され、その強い上界はスペクトル共有系に対するトラクタブルEEの下限を形成するために使用される。
  論文  参考訳（メタデータ） (2025-10-17T04:18:17Z)
• Large Language Model-Empowered Decision Transformer for UAV-Enabled Data Collection [71.84636717632206]
  空間分散デバイスからの信頼性とエネルギー効率のよいデータ収集のための無人航空機(UAV)は、IoT(Internet of Things)アプリケーションをサポートする上で大きな可能性を秘めている。 有効なUAV制御ポリシーを学習するための共同言語モデル(LLM)を提案する。 LLM-CRDTは、現在の最先端DTアプローチよりも最大36.7%高いエネルギー効率を達成し、オンラインおよびオフラインメソッドのベンチマークより優れている。
  論文  参考訳（メタデータ） (2025-09-17T13:05:08Z)
• Decentralized Rank Scheduling for Energy-Constrained Multi-Task Federated Fine-Tuning in Edge-Assisted IoV Networks [5.034703123469061]
  インターネット・オブ・ビークルズ(IoV)システムでは、クライアントの移動性、異種資源、断続接続性のために、効率的な低遅延マルチタスク適応を実現することが困難である。 本稿では,道路側ユニット(RSU)と車両を協調し,動的IoVシナリオをまたいだ資源認識および移動性学習を支援する階層的なファインチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-13T06:29:00Z)
• Graph Neural Network Aided Deep Reinforcement Learning for Resource Allocation in Dynamic Terahertz UAV Networks [6.170724183076036]
  フレキシブルトポロジと超高データレートを備えたテラヘルツ(THz)ネットワークは、多数のセキュリティ監視、災害対応、環境応用に力を与えると期待されている。 しかし、動的トポロジと超高データレートは、THzの効率的な長期アンテナ特性を阻害する。 本稿では,自己ノードの特徴に着目した動的THz UAVネットワークにおけるリソース割り当てアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-08T06:36:17Z)
• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Joint User Association, Interference Cancellation and Power Control for Multi-IRS Assisted UAV Communications [80.35959154762381]
  インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。 既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。 我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
  論文  参考訳（メタデータ） (2023-12-08T01:57:10Z)
• Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement Learning Approach [56.84948632954274]
  本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。 本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。 提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
  論文  参考訳（メタデータ） (2021-12-20T15:45:28Z)

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。