論文の概要: Privacy-Aware Agent Collaboration for Dynamic VR Slice Management in 6G SD-RAN

• arxiv url: http://arxiv.org/abs/2606.26123v1
• Date: Thu, 28 May 2026 07:38:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-05 17:01:29.578561
• Title: Privacy-Aware Agent Collaboration for Dynamic VR Slice Management in 6G SD-RAN
• Title（参考訳）: 6G SD-RANにおける動的VRスライス管理のためのプライバシ対応エージェントコラボレーション
• Abstract要約: 本研究は,VRスライス管理のためのモビリティ駆動型,プライバシを意識したマルチエージェント強化学習フレームワークを提案する。 提案手法は,効果的かつセキュアなエージェント協調を支援するために,移動予測と情報ボトルネックエンコーダを組み込んだ。 シミュレーションでは,スループットが最大34%向上し,リソースが28%減少し,プライバシリークが85%減少した。
• 参考スコア（独自算出の注目度）: 5.468429759077718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultra-low latency and high throughput are required for Virtual Reality (VR) services in 6G networks, which presents critical challenges for Software-Defined Radio Access Networks (SD-RANs) dynamic resource management. This work propose a mobility-driven, privacy-aware Multi-Agent Reinforcement Learning (MARL) framework for VR slice management, in which cooperative agents maximize resource distribution over end-to-end VR links while protecting the privacy of user data. Our approach incorporates mobility prediction and an information bottleneck encoder to facilitate effective and secure agent collaboration. In simulations, comparisons with traditional methods are studied which show up to 34\% throughput improvement, 28\% fewer resources, and 85\% less privacy leakage, guaranteeing dependable immersive VR experiences in future 6G environments.
• Abstract（参考訳）: 6GネットワークにおけるVR(Virtual Reality)サービスでは,超低レイテンシと高いスループットが求められ,SD-RAN(Software-Defined Radio Access Networks)の動的リソース管理において重要な課題となっている。 本研究は,VRスライス管理のためのモビリティ駆動型多エージェント強化学習(MARL)フレームワークを提案する。 提案手法は,効果的かつセキュアなエージェント協調を支援するために,移動予測と情報ボトルネックエンコーダを組み込んだ。 シミュレーションでは、スループットの改善が34倍、リソースが28倍、プライバシーリークが85倍に減少し、将来の6G環境における没入型VR体験が保証される。

関連論文リスト

• Beyond Data Scaling: Representation-Centric Continued Pre-training for Vision-Language-Action Models [120.24139942108405]
  ロボットデータのスケーリングは、一般のVision-Language-Action(VLA)モデルを構築する上で重要である。 固定されたロボットデータ予算の下では、継続した事前訓練は限られた軌道を伝達可能な視覚行動知識に変換する必要がある。 本稿では,VLA指向のVLMバックボーンであるVLActを提案する。
  論文  参考訳（メタデータ） (2026-08-27T17:59:40Z)
• DRL-Driven Edge-Aware Utility Optimization for Multi-Slice 6G Networks [5.468429759077718]
  6Gネットワークで配信される仮想現実(VR)サービスは、シームレスなユーザエクスペリエンスを保証するために、超低レイテンシと高帯域幅を必要とする。 本稿では,DQN(Deep Q-Network)学習を活用した,6G O-RANネットワークのためのインテリジェントなリソース割り当てとエッジキャッシュフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-21T21:44:27Z)
• Agent-RLVR: Training Software Engineering Agents via Guidance and Environment Rewards [8.390219473444446]
  本稿では,エージェント設定に挑戦する上で,RLVRを効果的にするためのフレームワークであるAgent-RLVRを紹介する。 エージェント-RLVRは、人間の教育にインスパイアされ、エージェント誘導(エージェント誘導)を導入している。 ガイダンスを付加したRLVRデータは、テストタイム報酬モデルトレーニングにも役立ち、さらにpass@1を27.8%に向上させることで示されています。
  論文  参考訳（メタデータ） (2025-06-13T02:46:53Z)
• RAG-VR: Leveraging Retrieval-Augmented Generation for 3D Question Answering in VR Environments [3.2120448116996103]
  RAG-VRは、検索強化世代(RAG)を組み込んだVR用3次元質問応答システムである RAG-VRは答えの精度を17.9%-41.8%改善し、2つのベースラインシステムと比較してエンドツーエンドのレイテンシを34.5%-47.3%削減した。
  論文  参考訳（メタデータ） (2025-04-11T04:55:50Z)
• DWIM: Towards Tool-aware Visual Reasoning via Discrepancy-aware Workflow Generation & Instruct-Masking Tuning [57.285435980459205]
  構成的視覚的推論アプローチは、エンド・ツー・エンドのVR手法よりも効果的な戦略として期待されている。 DWIM: ツールの使用状況を評価し, より訓練に有効である抽出を行う, 離散性を考慮したトレーニング生成手法を提案する。 Instruct-Masking fine-tuning — モデルに効果的なアクションをクローンすることのみをガイドし、より実用的なソリューションの生成を可能にする。
  論文  参考訳（メタデータ） (2025-03-25T01:57:59Z)
• Deep Motion Masking for Secure, Usable, and Scalable Real-Time Anonymization of Virtual Reality Motion Data [49.68609500290361]
  最近の研究では、ほぼすべてのVRアプリケーションで使われているモーショントラッキングの「テレメトリ」データが、指紋スキャンと同じくらいに識別可能であることが示されている。 本稿では、既知の防御対策を確実に回避できる最先端のVR識別モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-09T01:34:22Z)
• WiserVR: Semantic Communication Enabled Wireless Virtual Reality Delivery [12.158124978097982]
  本稿では,VRユーザに対して連続した360度ビデオフレームを提供するための,Wireless SEmantic deliveRy for VR(WiserVR)という新しいフレームワークを提案する。 ディープラーニングベースの複数のモジュールは、WiserVRのトランシーバとしてよく設計されており、高性能な特徴抽出とセマンティックリカバリを実現している。
  論文  参考訳（メタデータ） (2022-11-02T16:22:41Z)
• Wireless Edge-Empowered Metaverse: A Learning-Based Incentive Mechanism for Virtual Reality [102.4151387131726]
  メタバースにおけるVRサービスのための学習型インセンティブメカニズムフレームワークを提案する。 まず,仮想世界におけるVRユーザのための指標として,知覚の質を提案する。 第二に、VRユーザー(買い手)とVR SP(売り手)間のVRサービスの迅速な取引のために、オランダの二重オークション機構を設計する。 第3に,この競売プロセスの高速化を目的とした深層強化学習型競売機を設計する。
  論文  参考訳（メタデータ） (2021-11-07T13:02:52Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)
• Meta-Reinforcement Learning for Reliable Communication in THz/VLC Wireless VR Networks [157.42035777757292]
  屋内テラヘルツ(THz)/可視光通信(VLC)無線ネットワークにおいて,仮想現実(VR)サービスの品質向上の問題について検討した。 小型基地局(sbss)は高品質のvr画像をthzバンド経由でvrユーザーに送信し、発光ダイオード(led)は正確な屋内測位サービスを提供する。 研究したTHz/VLC無線VRネットワークのエネルギー消費を制御するには、VLCアクセスポイント(VAP)を選択的にオンにする必要がある。
  論文  参考訳（メタデータ） (2021-01-29T15:57:25Z)

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。