論文の概要: Rate-Aware Quantum-Inspired Trajectory Learning for Interference-Limited Multi-UAV Networks

• arxiv url: http://arxiv.org/abs/2606.25480v1
• Date: Wed, 24 Jun 2026 07:10:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.253615
• Title: Rate-Aware Quantum-Inspired Trajectory Learning for Interference-Limited Multi-UAV Networks
• Title（参考訳）: 干渉制限型マルチUAVネットワークにおけるレートアウェアな量子インスパイアされた軌道学習
• Abstract要約: 無人航空機(UAV)は、災害や通常の状況において、オンデマンドで高容量の接続を提供することができる。 本稿では,RA-QAGC(Rate-Aware Quantum-Annealed Graph Condensation)方式を提案する。
• 参考スコア（独自算出の注目度）: 1.2759527491524598
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unmanned aerial vehicle (UAV) can provide on-demand, high-capacity connectivity in disaster and normal situation. However, it faces a challenge of curse of dimensionality in trajectory optimization, where interference-limited environments and vast search spaces make real-time coordination computationally expensive. To overcome this challenge, we propose the Rate-Aware Quantum-Annealed Graph Condensation (RA-QAGC) scheme, which combines rate-aware graph abstraction with decentralized reinforcement learning to enable scalable, interference-aware UAV coordination. By identifying high throughput locations and guiding UAV trajectory adaptation toward throughput-optimal regions, RA-QAGC effectively balances network capacity by maintaining quality-of-service (QoS) requirements. Simulation results demonstrate the proposal outperformed over existing schemes by achieving 59.4 Mbps total throughput and 23.9 Mbps priority-user throughput, representing gains of approximately 15% and 34%, respectively, over the baseline schemes.
• Abstract（参考訳）: 無人航空機(UAV)は、災害や通常の状況において、オンデマンドで高容量の接続を提供することができる。 しかし、軌道最適化における次元性の呪いに直面しており、干渉制限された環境や広大な検索空間がリアルタイムの協調を計算的に高価にしている。 この課題を克服するために、レートアウェアなグラフ抽象化と分散強化学習を組み合わせて、スケーラブルで干渉アウェアなUAV協調を可能にするRA-QAGC方式を提案する。 高スループット位置を特定し,UAV軌道適応をスループット最適領域に導くことにより,RA-QAGCはQoS(Quality-of-Service)要件を維持することにより,ネットワーク容量のバランスを効果的に維持する。 シミュレーションの結果、提案手法は59.4 Mbpsの全スループットと23.9 Mbpsの優先ユーザスループットを達成し、それぞれ15%と34%のゲインをベースラインスキーム上で達成した。

関連論文リスト

• Secrecy Energy Efficiency for IRS-Assisted Low-Altitude Communications: A D3QN-PER Based Approach [25.752091807817816]
  低高度経済(LAE)無線通信におけるセキュリティとエネルギーの課題に対処する。 無人航空機(UAV)とインテリジェントサーフェス(IRS)を統合したセキュアな相乗的ネットワークを開発する。 開発したD3Q-PERNに基づく学習手法は,既存の最先端の学習手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-07-27T09:05:35Z)
• Trajectory Planning for UAV-Based Smart Farming Using Imitation-Based Triple Deep Q-Learning [5.160399918845654]
  我々は、軌道計画問題をマルコフ決定過程(MDP)として定式化し、マルチエージェント強化学習(MARL)を活用して解決する。 本稿では,探索コストの低減にエリートな模擬機構を用いる,新しい模擬型三重Q-network (ITDQN) アルゴリズムを提案する。 提案したITDQNはDDQNの雑草認識率4.43%, データ収集率6.94%を上回った。
  論文  参考訳（メタデータ） (2025-12-21T05:30:19Z)
• Joint UAV-UGV Positioning and Trajectory Planning via Meta A3C for Reliable Emergency Communications [5.254446611211724]
  無人航空機 (UAV) と無人地上車両 (UGV) の同時配備は, 被災地における通信の確立に有効な方法であることが示されている。 本稿では,UAV と UGV の配置のための,UAV と UGV を併用した位置決め・軌道計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-20T08:53:15Z)
• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• AirFed: Federated Graph-Enhanced Multi-Agent Reinforcement Learning for Multi-UAV Cooperative Mobile Edge Computing [21.4907371859268]
  複数の無人航空機(UAV)協調移動エッジコンピューティング(MEC)システムは、軌道計画、タスクオフロード、リソース割り当ての調整において重要な課題に直面している。 既存のアプローチは、スケーラビリティの制限、収束の遅さ、UAV間の非効率な知識共有に悩まされている。 本稿では,新しい多エージェント強化学習フレームワークであるAirFedを提案する。
  論文  参考訳（メタデータ） (2025-10-27T06:31:35Z)
• Latency Minimization for UAV-Enabled Federated Learning: Trajectory Design and Resource Allocation [47.20867891501245]
  フェデレーテッド・ラーニング(FL)は、無線ネットワークにまたがる分散機械学習において、トランスフォーメーションパラダイムとなっている。 本研究では,無人航空機(UAV)を移動体サーバとして活用し,FL訓練プロセスを強化する新しい枠組みを提案する。 提案手法は,遅延を最大15.29%削減する既存のベンチマークスキームを超えるだけでなく,理想的なシナリオとほぼ一致したトレーニング効率も達成できることを示す。
  論文  参考訳（メタデータ） (2024-12-10T11:39:27Z)
• Goal-Oriented Semantic Communication for Wireless Visual Question Answering [68.75814200517854]
  本稿では,視覚質問応答(VQA)の性能向上を目的とした目標指向セマンティックコミュニケーション(GSC)フレームワークを提案する。 本稿では,BBoxを用いた画像意味抽出とランク付け手法を提案し,質問の目的に基づいてセマンティック情報を優先順位付けする。 実験の結果,本フレームワークはAWGNチャネルで49%,Rayleighチャネルで59%の精度で解答精度を向上することがわかった。
  論文  参考訳（メタデータ） (2024-11-03T12:01:18Z)
• 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)
• Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for Cellular Offloading [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T20:22:05Z)
• NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T17:38:48Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

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。