論文の概要: Active Sensing for RIS-Aided Tracking and Power Control: A Hybrid Neuroevolution and Supervised Learning Approach

• arxiv url: http://arxiv.org/abs/2607.00056v2
• Date: Thu, 02 Jul 2026 07:49:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.505833
• Title: Active Sensing for RIS-Aided Tracking and Power Control: A Hybrid Neuroevolution and Supervised Learning Approach
• Title（参考訳）: RIS支援トラッカーとパワーコントロールのためのアクティブセンシング:ハイブリッド神経進化と教師付き学習アプローチ
• Authors: George Stamatelis, Hui Chen, Henk Henk Wymeersch, George C. Alexandropoulos,
• Abstract要約: 本稿では,リコンフィギュアブル・インテリジェント・サーフェス(RIS)の助けを借りて,電力制限付モバイルユーザのエネルギー効率の高いトラッキングについて検討する。 電力制約されたデバイスのエネルギー収支はローカライゼーション・パイロット・トランスミッションが支配しているため,ユーザに対して,基地局(BS)からの低オーバヘッドフィードバックリンクを導入し,動的アップリンク電力制御を実現する。 本研究は,このアクティブセンシング問題の離散的かつ分散的な性質をナビゲートするために,新しいDual-Agent(DA)ディープラーニング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）: 31.34066005342801
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies energy efficient tracking of power-limited mobile users with the assistance of a Reconfigurable Intelligent Surface (RIS). Since localization pilot transmissions dominate the energy budget of power-constrained devices, we introduce a low-overhead feedback link from the Base Station (BS) to the user to enable dynamic uplink power control. To navigate the discrete and decentralized nature of this active sensing problem, we propose a novel Dual-Agent (DA) deep learning framework that jointly optimizes the discrete RIS phase profiles and the UE's transmit power in real time. Specifically, our approach employs a hybrid training methodology integrating the neuroevolution paradigm with supervised learning, effectively overcoming the non-differentiability of discrete phase responses from the RIS unit elements and the strict information bottleneck of single-bit feedback messages for pilot power control. The proposed DA active sensing framework can be applied with both single- and multi-antenna BSs, the latter with only minor modifications in the structure of one NN: an additional output branch with appropriate structure is included for the latter case to select a valid digital combiner from a finite set. Extensive numerical simulations demonstrate that the proposed scheme achieves highly accurate and robust tracking across diverse target motion models, outperforming extended Kalman and particle filters, as well as, machine learning-based trackers. Furthermore, in static localization, it is shown to significantly outperform traditional fingerprinting schemes, deep reinforcement learning baselines, and standard backpropagation-based estimators.
• Abstract（参考訳）: 本稿では,リコンフィギュアブル・インテリジェント・サーフェス(RIS)の助けを借りて,電力制限されたモバイルユーザのエネルギー効率のトラッキングについて検討する。 電力制約されたデバイスのエネルギー収支はローカライゼーション・パイロット・トランスミッションが支配しているため,ユーザに対して,基地局(BS)からの低オーバヘッドフィードバックリンクを導入し,動的アップリンク電力制御を実現する。 本研究では,このアクティブセンシング問題の離散的・分散的な性質を探索するために,離散RIS位相プロファイルとUEの送信電力をリアルタイムに協調的に最適化する新しいDual-Agent (DA)ディープラーニングフレームワークを提案する。 具体的には,ニューロ進化パラダイムと教師付き学習を統合したハイブリッドトレーニング手法を用いて,RIS単位要素からの離散位相応答の非微分性を効果的に克服し,パイロットパワー制御のための単一ビットフィードバックメッセージの厳密な情報ボトルネックを克服する。 提案したDAアクティブセンシングフレームワークは、シングルアンテナBSとマルチアンテナBSの両方に適用可能であり、後者は1つのNNの構造に小さな変更しか加えられていない。 大規模数値シミュレーションにより,提案手法は多様な目標運動モデルにまたがる高精度かつロバストな追跡を実現し,拡張カルマンフィルタや粒子フィルタ,機械学習に基づくトラッカーよりも優れていた。 さらに, 静的な位置推定では, 従来の指紋認証手法, 深部強化学習ベースライン, 標準バックプロパゲーションに基づく推定器よりも優れていた。

関連論文リスト

• Hybrid Neural Network and Conventional Controller Approach for Robust Control of Highly Unstable Systems: Application to Tilt-Rotor Control [0.5599792629509229]
  マルチローターは、監視から精密農業まで幅広い用途で使用されているが、従来型の設計は、その下限によって制限されている。 本稿では,4つの推力ベクトル入力を持つフルアクティベート・チルトロータシステムのニューラルネットワークに基づく制御戦略について検討する。
  論文  参考訳（メタデータ） (2026-06-07T16:10:46Z)
• RISER: Orchestrating Latent Reasoning Skills for Adaptive Activation Steering [62.63376387138257]
  本稿では,アクティベーション空間における大規模言語モデル(LLM)推論を適応的に制御するプラグイン・アンド・プレイ介入フレームワークを提案する。 RISERは再利用可能な推論ベクトルのライブラリを構築し、軽量ルータを使用して各入力に対して動的に構成する。 ルーターは、タスクレベルの報酬の下で強化学習を通じて最適化され、緊急かつ構成的な方法で潜在する認知的プリミティブを活性化する。
  論文  参考訳（メタデータ） (2026-01-14T08:04:33Z)
• RIS-Assisted Downlink Pinching-Antenna Systems: GNN-Enabled Optimization Approaches [51.56300276709421]
  本稿では,マルチユーザダウンリンク情報伝送のための再構成可能なマルチ導波路ピンチアンテナ (PASS) システムについて検討する。 RIS支援PASSのグラフ構造トポロジを活用することで,ユーザ位置に基づいてPA位置を学習する新しい3段階グラフニューラルネットワーク(GNN)を提案する。
  論文  参考訳（メタデータ） (2025-11-25T13:43:44Z)
• Joint Active RIS Configuration and User Power Control for Localization: A Neuroevolution-Based Approach [49.48992202227772]
  Reconfigurable Intelligent Surface (RIS) によるユーザローカライゼーションの研究 ベースステーションからユーザへのフィードバックリンクを採用し、アップリンク内のユーザパイロット送信の動的電力制御を可能にする。 RIS位相構成とユーザ送信電力のジョイント制御のための新しいマルチエージェントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-25T07:36:04Z)
• Power Grid Control with Graph-Based Distributed Reinforcement Learning [60.49805771047161]
  この作業は、リアルタイムでスケーラブルなグリッド管理のためのグラフベースの分散強化学習フレームワークを前進させる。 グラフニューラルネットワーク(GNN)を使用して、ネットワークのトポロジ情報を単一の低レベルエージェントの観測内にエンコードする。 Grid2Opシミュレーション環境での実験は、このアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2025-09-02T22:17:25Z)
• 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)
• A Unified Approach for Learning the Dynamics of Power System Generators and Inverter-based Resources [12.723995633698514]
  再生可能エネルギーの統合と電気化のためのインバータベースの資源(IBR)は、電力系統の動的解析に大きく挑戦する。 同期ジェネレータ(SG)とIRBの両方を考慮するため、この研究は個々の動的コンポーネントのモデルを学ぶためのアプローチを示す。
  論文  参考訳（メタデータ） (2024-09-22T14:07:10Z)
• RIS-empowered Topology Control for Distributed Learning in Urban Air Mobility [35.04722426910211]
  アーバン・エアモビリティ(UAM)は、輸送システムの革命として想定される、地上から地上に近い空間に車両を拡大する。 この課題を克服するために、リソース制限されたデバイスが協調的に深層学習(DL)を行うことを可能にするために、フェデレーション・ラーニング(FL)や他の協調学習が提案されている。 本稿では,分散学習を支援する再構成可能なインテリジェントサーフェス (RIS) について検討する。
  論文  参考訳（メタデータ） (2024-03-08T08:05:50Z)
• Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
  RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
  論文  参考訳（メタデータ） (2020-10-09T05:35:27Z)
• Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
  Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。 我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。 過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。