論文の概要: AI-Empowered UAV-Assisted Backscatter Localization and ISAC for Zero-Energy IoT: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2606.23125v1
- Date: Mon, 22 Jun 2026 10:13:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 23:54:42.945808
- Title: AI-Empowered UAV-Assisted Backscatter Localization and ISAC for Zero-Energy IoT: A Comprehensive Survey
- Title（参考訳）: AIを利用したゼロエネルギIoTのためのUAV支援バックスキャッタローカライゼーションとISAC
- Authors: Ruhul Amin Khalil,
- Abstract要約: ゼロエネルギーIoT(Zero-Energy Internet of Things)は、受動的またはニアパッシブなデバイスが、電池ではなく収穫エネルギーで動作できるようにする。
Backscatter Communication (BackCom) は、弱い反射、二重パス損失、限られたカバレッジ、直接リンク干渉、外部RFソースへの依存に悩まされている。
無人航空機(UAV)は、移動キャリアエミッター、データコレクター、中継機、空中受信機、移動アンカー、センシングプラットフォーム、エッジインテリジェンスノードとして機能することで、これらの制限を緩和することができる。
本稿は、ゼロエネルギーIoTのためのRFベースAIを用いたUAV支援バックスキャッタローカライゼーションとISACについて調査する。
- 参考スコア（独自算出の注目度）: 0.9488068965039811
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Zero-energy Internet of Things (IoT) enables passive or near-passive devices to operate on harvested energy rather than batteries. Backscatter communication (BackCom) supports this vision by enabling tags to transmit data via reflection and modulation of incident RF signals, but it suffers from weak reflections, double-path loss, limited coverage, direct-link interference, and dependence on external RF sources. Unmanned aerial vehicles (UAVs) can mitigate these limitations by acting as mobile carrier emitters, data collectors, relays, aerial receivers, mobile anchors, sensing platforms, and edge-intelligence nodes. Integrated sensing and communication (ISAC) further enables the sharing of wireless resources for data transmission, localization, target sensing, and environmental awareness. This article surveys RF-based AI-empowered UAV-assisted backscatter localization and ISAC for zero-energy IoT. It reviews enabling technologies, presents a structured PRISMA-informed methodology, and develops a unified taxonomy covering network architectures, UAV roles, backscatter modes, RF sources, localization and sensing functions, AI techniques, and performance metrics. It also discusses UAV-assisted BackCom, passive localization, ISAC-enabled UAV-backscatter systems, and AI-driven optimization through comparative tables, quantitative trend analysis, coverage evaluation, and tutorial-style numerical illustrations. Finally, it identifies open challenges and future directions in realistic channel modeling, energy-neutral operation, benchmarking, reproducibility, scalable and trustworthy AI, security, privacy, hardware validation, and integration with RIS, MEC, digital twins, and 6G technologies.
- Abstract（参考訳）: ゼロエネルギーIoT(Zero-Energy Internet of Things)は、受動的またはニアパッシブなデバイスが、電池ではなく収穫エネルギーで動作できるようにする。
Backscatter Communication (BackCom) はこのビジョンをサポートし、タグが入射RF信号の反射と変調を通じてデータを送信できるようにするが、弱い反射、二重パス損失、限られた範囲、直接リンク干渉、外部RFソースへの依存に悩まされる。
無人航空機(UAV)は、移動キャリアエミッター、データコレクター、中継機、空中受信機、移動アンカー、センシングプラットフォーム、エッジインテリジェンスノードとして機能することで、これらの制限を緩和することができる。
統合センシング通信(ISAC)により、データ伝送、ローカライゼーション、ターゲットセンシング、環境認識のための無線リソースの共有が可能になる。
この記事では、RFベースのAIを活用したUAV支援バックスキャッタローカライゼーションと、ゼロエネルギーIoTのためのISACについて調査する。
そして、ネットワークアーキテクチャ、UAVの役割、後方散乱モード、RFソース、ローカライゼーションとセンシング機能、AI技術、パフォーマンスメトリクスをカバーする統一された分類法を開発した。
また、UAV支援のBackCom、受動ローカライゼーション、ISAC対応のUAV-backscatterシステム、比較表によるAI駆動最適化、定量的トレンド分析、カバレッジ評価、チュートリアルスタイルの数値図面についても論じている。
最後に、現実的なチャネルモデリング、エネルギニュートラル操作、ベンチマーク、再現性、スケーラブルで信頼性の高いAI、セキュリティ、プライバシ、ハードウェア検証、RIS、MEC、デジタルツイン、および6Gテクノロジとの統合におけるオープンな課題と今後の方向性を特定します。
関連論文リスト
- Diffusion Offline Reinforcement Learning for Fair and Energy-Efficient UAV-Assisted Wireless Networks [4.225452248917631]
オフライン強化学習(RL)を利用した拡散ソフトアクター批判(拡散-SAC)手法を提案する。
Diffusion-SACは通常のオフラインRLベースラインよりも優れており、限られたデータセットでもより安定した収束と高い報酬を達成する。
この方法はデータ効率を向上し、エネルギー消費を低減し、既存のアルゴリズムと比較してスループットを35%以上向上させる。
論文 参考訳（メタデータ） (2026-06-15T07:34:17Z) - xApp Empowered Resource Management for Non-Terrestrial Users in 5G O-RAN Networks [0.0]
本稿では,オープン無線アクセスネットワーク(O-RAN)のためのアクティブ無人航空機(UAV)モビリティ管理xAppを紹介する。
提案フレームワークはネットワーク条件を予測し、予測最適化により停止確率とハンドオーバ頻度を最小化する。
論文 参考訳（メタデータ） (2026-05-11T15:18:23Z) - Networking-Aware Energy Efficiency in Agentic AI Inference: A Survey [64.20429885919701]
本稿では,知覚・推論・行動サイクル全体にわたる計算・通信コストを同定するエネルギー会計フレームワークを提案する。
我々は、単純化、計算制御、インプット・アンド・アテンション最適化、ハードウェア・アウェア・推論にまたがる統一的な分類法を確立する。
我々は,第6世代移動通信(6G)ネイティブエージェントAI,自己維持システムといったグリーンラーニングのオープンな課題を特定した。
論文 参考訳（メタデータ） (2026-04-09T06:13:59Z) - AI-Native Integrated Sensing and Communications for Self-Organizing Wireless Networks: Architectures, Learning Paradigms, and System-Level Design [0.0]
次世代無線ネットワークの基本パラダイムとして、ISAC(Integrated Sensing and Communications)が登場している。
無線センシングと通信機能を密結合することにより、ISACは状況認識、ローカライゼーション、トラッキング、ネットワーク適応のための新しい機能を解放する。
この調査は、AIネイティブなISAC対応の自己組織化無線ネットワークの包括的でシステムレベルのレビューを提供する。
論文 参考訳（メタデータ） (2025-12-29T05:45:57Z) - 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) - The Future of Aerial Communications: A Survey of IRS-Enhanced UAV Communication Technologies [2.8002534443865987]
Intelligent Reflecting Surfaces (IRS) と Unmanned Aerial Vehicles (UAVs) の出現は、無線通信分野における新たなベンチマークを設定している。
IRSは電磁波を操作するための画期的な能力を備えており、信号品質、ネットワーク効率、スペクトル利用の大幅な向上のための道を開いた。
UAVは、通信ネットワーク内の動的で汎用的な要素として出現し、従来の固定インフラが不足している地域では、高いモビリティとアクセスとカバー範囲の強化を実現している。
論文 参考訳（メタデータ） (2024-06-02T09:58:53Z) - Reliable and Efficient Data Collection in UAV-based IoT Networks [0.0]
この記事では、UAV支援IoTネットワークにおける信頼性と効率的なデータ収集を強調します。
データ正確性と一貫性,ネットワーク接続性,データセキュリティとプライバシについて論じ,信頼性の高いデータ収集に関する洞察を提供する。
データ収集の信頼性と効率を向上させるためのサービスとして,UAVの2つのユースケースを提案する。
論文 参考訳（メタデータ） (2023-11-09T11:59:47Z) - 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) - 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) - Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。
AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。
AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
論文 参考訳（メタデータ） (2020-01-28T15:10:22Z)
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。