論文の概要: When Freshness Is Not Enough: Distribution-Aware Age of Information for Networked LQR Control
- arxiv url: http://arxiv.org/abs/2606.04361v1
- Date: Wed, 03 Jun 2026 02:22:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.47776
- Title: When Freshness Is Not Enough: Distribution-Aware Age of Information for Networked LQR Control
- Title（参考訳）: フレッシュネスが不十分な場合:ネットワーク型LQR制御のための配電時情報処理
- Authors: Abdullah Y. Etcibasi, C. Emre Koksal, Eylem Ekici,
- Abstract要約: Age of Information (AoI) は無線更新システムの設計において中心的な指標となっている。
本稿では,ネットワーク制御システムにおいて,平均AoIの最小化が実際最適かどうかを検討する。
- 参考スコア（独自算出の注目度）: 3.688414964949228
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Age of Information (AoI) has become a central metric for the design of wireless update systems, especially in applications where fresh measurements support tracking, estimation, and control. Despite its popularity, the use of mean AoI or peak AoI as a surrogate for closed-loop performance is often motivated by intuition rather than by a control-theoretic derivation. This paper examines whether minimizing the mean AoI is in fact optimal for networked control systems. For scalar linear time-invariant systems with delayed intermittent updates, we show that, under state-independent scheduling policies, the infinite-horizon LQR tracking problem reduces to an optimization over the distribution of inter-scheduling intervals. The resulting objective depends on higher-order statistical moments, and in unstable or correlated regimes on exponential moments, of the inter-scheduling process rather than only on its mean. Consequently, policies with identical mean AoI can induce substantially different tracking costs. We further extend the analysis to disturbances with exponentially decaying autocorrelation and derive equivalent cost formulations that expose the role of the full interval distribution. Finally, we validate the theory using real vehicle trajectories from the NGSIM US-101 dataset. The empirical results match the predicted performance trends, demonstrating that mean AoI alone is insufficient for control-oriented network design.
- Abstract（参考訳）: 情報時代(AoI)は、特に新しい計測がトラッキング、推定、制御をサポートするアプリケーションにおいて、無線更新システムの設計において中心的な指標となっている。
人気にもかかわらず、閉ループ演奏の代理として平均AoIまたはピークAoIの使用は、制御理論の導出よりも直感によって動機付けられることが多い。
本稿では,ネットワーク制御システムにおいて,平均AoIの最小化が実際最適かどうかを検討する。
間欠的更新が遅れたスカラー線形時間不変系では、状態に依存しないスケジューリングポリシーの下では、無限水平LQR追跡問題はスケジュール間間隔の分布に対する最適化に還元されることを示す。
結果の目的は、高次の統計モーメントと、指数的モーメントにおける不安定なあるいは相関的なレギュレーションに依る。
その結果、AoIの平均的なポリシーは、かなり異なる追跡コストを発生させることができる。
さらに、指数関数的に崩壊する自己相関を持つ障害への解析を拡張し、全区間分布の役割を明らかにする等価なコスト定式化を導出する。
最後に,NGSIM US-101データセットから実車軌道を用いた理論を検証する。
その結果,AoIだけでは制御指向ネットワーク設計には不十分であることがわかった。
関連論文リスト
- Inference-Time Attribute Distribution Alignment for Unconditional Diffusion [54.28942858023809]
我々は、事前訓練された非条件拡散モデルに対する推論時属性分布アライメント問題を定式化する。
そこで本研究では,逆拡散過程に対する最適制御問題として,推定時属性分布アライメントを適用した。
最適制御に基づくアルゴリズムを用いて分散マッチングの最適化を行う。
論文 参考訳（メタデータ） (2026-05-08T09:02:47Z) - Decentralized Time-Varying Optimization for Streaming Data via Temporal Weighting [26.702871313273942]
エージェントの分散ネットワーク上でのストリーミングデータによる最適化について検討する。
分散勾配降下(DGD)に重点を置いており,通信・計算の予算が限られている。
論文 参考訳（メタデータ） (2026-05-07T21:40:42Z) - FLUID: Continuous-Time Hyperconnected Sparse Transformer for Sink-Free Learning [2.312232949770907]
連続時間(CT)変換器は、連続力学を用いた入力や出力埋め込みを利用して、CT-RNN上の不規則および長距離モデリングを改善する。
我々は、連続力学を直接注意計算に組み込むCT変換器FLUIDを提案し、それをLiquid Attention Network(LAN)に置き換える。
本研究では, (i) 不規則な時系列, (ii) 長距離モデリング, (iii) 自動運転車の車線維持制御, (iv) 不足データ体制下での物理力学の学習など,幅広い学習課題についてFLUIDを評価した。
論文 参考訳（メタデータ） (2026-05-06T02:27:25Z) - Explainable Anomaly Detection for Industrial IoT Data Streams [1.2722697496405462]
産業のメンテナンスはモノのインターネットとエッジコンピューティングによって変化している。
本稿では,教師なし異常検出と対話型・人間-イン-ザ-ループ学習を統合し,メンテナンス決定を支援するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-09T18:20:35Z) - ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
ResADは正規化された残留軌道モデリングフレームワークである。
学習タスクを再編成し、慣性参照からの残留偏差を予測する。
NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
論文 参考訳（メタデータ） (2025-10-09T17:59:36Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z) - CANet: ChronoAdaptive Network for Enhanced Long-Term Time Series Forecasting under Non-Stationarity [0.0]
本稿では,スタイル転送技術に触発された新しいアーキテクチャであるChoronoAdaptive Network (CANet)を紹介する。
CANetの中核は非定常適応正規化モジュールであり、スタイルブレンディングゲートと適応インスタンス正規化(AdaIN)をシームレスに統合する。
実世界のデータセットに関する実験は、CANetが最先端の手法よりも優れていることを検証し、MSEの42%、MAEの22%を達成している。
論文 参考訳（メタデータ） (2025-04-24T20:05:33Z) - A Plug-and-Play Learning-based IMU Bias Factor for Robust Visual-Inertial Odometry [27.62788405443008]
Inertial Prior Network (IPNet) を利用した新しいプラグアンドプレイモジュールを提案する。
IPNetは、特定のプラットフォームの動作特性を暗黙的にキャプチャすることで、IMUバイアスを推論する。
本研究では、まず、スライドウインドウアプローチを用いて生のIMUデータのみを用いてバイアスを直接推測する。
論文 参考訳（メタデータ） (2025-03-16T14:45:19Z) - Error-quantified Conformal Inference for Time Series [55.11926160774831]
時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。
量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。
ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
論文 参考訳（メタデータ） (2025-02-02T15:02:36Z) - Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。
本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。
本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-17T11:47:56Z)
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。