論文の概要: A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2607.13494v1
• Date: Wed, 15 Jul 2026 06:49:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.6726
• Title: A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles
• Title（参考訳）: 6G接続型自律走行車のためのVAE駆動マルチタスク衛星支援セマンティック通信フレームワーク
• Authors: S. M. Abtahiul Alam, Niloy Das, Apurba Adhikary, Yu Qiao, Zhu Han, Choong Seon Hong,
• Abstract要約: 衛星支援自動運転のためのマルチタスク・セマンティック・コミュニケーション・フレームワークを提案する。 このフレームワークは、両方のタスクを共同で最適化するために、エンドツーエンドで訓練されている。 提案手法は,87.23%から98.17%までの帯域幅削減を実現している。
• 参考スコア（独自算出の注目度）: 51.449502491030756
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The development of smart transportation systems and the introduction of 6G wireless communication technologies have significantly changed vehicle network topologies. Future connected autonomous vehicle (CAV) networks require bandwidth-efficient, reliable, and low-latency communication for safety-critical applications such as traffic sign recognition and decision-making. Conventional communication systems transmit raw data regardless of task relevance, which is inefficient in resource-constrained satellite channels where uplink bandwidth is scarce and propagation losses are large. Semantic communication addresses this limitation by transmitting task-relevant information instead of full signal representations. It extracts and conveys essential semantic features and leverages deep learning to optimize task performance at the receiver. Therefore, we present a Variational Autoencoder (VAE)-based multi-task semantic communication framework for satellite-assisted autonomous driving. Unlike deterministic autoencoder-based methods, the proposed model uses probabilistic latent representations for more robust and efficient encoding. The learned features are transmitted over noisy wireless channels to perform traffic sign reconstruction and classification. The framework is trained end-to-end to jointly optimize both tasks. Results show that the proposed approach achieves significant bandwidth reduction of up to 87.23\% to 98.17\% while maintaining stable performance across varying signal-to-noise ratio conditions.
• Abstract（参考訳）: スマートトランスポートシステムの開発と6G無線通信技術の導入により、車両ネットワークのトポロジは大きく変化した。 将来のコネクテッド・オートモービル(CAV)ネットワークは、交通標識認識や意思決定などの安全上重要なアプリケーションのために、帯域幅効率、信頼性、低遅延通信を必要とする。 従来の通信システムでは、アップリンク帯域が乏しく、伝播損失が大きい資源制約の衛星チャネルでは非効率なタスク関連性にかかわらず、生データを伝送する。 セマンティック通信は、完全な信号表現の代わりにタスク関連情報を伝達することで、この制限に対処する。 本質的な意味的特徴を抽出し伝達し、深層学習を利用して受信機でのタスクパフォーマンスを最適化する。 そこで我々は,衛星支援自動運転のための変分オートエンコーダ(VAE)に基づくマルチタスクセマンティック・コミュニケーション・フレームワークを提案する。 決定論的自己エンコーダに基づく手法とは異なり、提案モデルは確率的潜在表現を用いてより堅牢で効率的な符号化を行う。 学習した機能はノイズの多い無線チャネルを介して送信され、交通標識の再構築と分類を行う。 このフレームワークは、両方のタスクを共同で最適化するために、エンドツーエンドで訓練されている。 提案手法は,信号対雑音比の異なる条件で安定した性能を維持しつつ,87.23\%から98.17\%までの帯域幅削減を実現する。

関連論文リスト

• Semantic-Aware Multiple Access via Spatial Redundancy Exploitation for Uplink-Dominant 6G Use Cases [17.532778146939027]
  Uplink-dominant 6Gのユースケースでは、限られた無線リソース上で高ボリュームの視覚データを効率よく送信する必要がある。 本稿では、車両利用者間の重なり合う視野を利用して、冗長なアップリンク送信を減らす意味認識型多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2026-06-30T14:21:33Z)
• Bringing Network Coding into Multi-Robot Systems: Interplay Study for Autonomous Systems over Wireless Communications [48.38270830044451]
  通信はマルチロボットシステムのコアイネーブルである。 本稿では,通信損失と遅延を緩和するトランスポート層信頼性機構が,自律通信ループを形成する方法を示す。 本稿では,ロボット間通信の遅延と損失による協調的局所化と,安全クリティカルなオーバーテイク操作の2つのケーススタディを提案する。
  論文  参考訳（メタデータ） (2026-03-18T08:26:17Z)
• Take What You Need: Flexible Multi-Task Semantic Communications with Channel Adaptation [51.53221300103261]
  本稿では,マスク付きオートエンコーダアーキテクチャに基づく,チャネル適応型・マルチタスク対応のセマンティックコミュニケーションフレームワークについて紹介する。 チャネル認識抽出器を用いて、リアルタイムのチャネル条件に応じて、関連情報を動的に選択する。 画像再構成や物体検出などのタスクにおける従来の手法と比較して,本手法の優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2025-02-12T09:01:25Z)
• ViT LoS V2X: Vision Transformers for Environment-aware LoS Blockage Prediction for 6G Vehicular Networks [20.953587995374168]
  我々は、畳み込みニューラルネットワーク(CNN)とカスタマイズされた視覚変換器(ViT)を組み合わせたディープラーニングベースのアプローチを提案する。 提案手法は,時系列マルチモーダルデータから特徴を抽出するために,CNNとViTの相乗的強みを利用する。 その結果,提案手法は精度が高く,最先端のソリューションよりも優れ,95%以上の精度で予測できることがわかった。
  論文  参考訳（メタデータ） (2024-06-27T01:38:09Z)
• Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models [43.27015039765803]
  我々は,事前学習した生成モデルを用いた遅延認識型セマンティックコミュニケーションフレームワークを開発した。 我々は,超低レート,低レイテンシ,チャネル適応型セマンティック通信を実証する。
  論文  参考訳（メタデータ） (2024-03-25T23:04:09Z)
• A Multi-Task Oriented Semantic Communication Framework for Autonomous Vehicles [5.779316179788962]
  本研究は、コネクテッドおよび自律走行車のためのマルチタスク指向のセマンティックコミュニケーションフレームワークを提案する。 道路交通標識のセマンティックエンコーディングを行う畳み込みオートエンコーダ(CAE)を提案する。 これらの符号化された画像は、気象条件の厳しい衛星を通して、あるCAVから別のCAVに送信される。
  論文  参考訳（メタデータ） (2024-03-06T12:04:24Z)
• A Wireless AI-Generated Content (AIGC) Provisioning Framework Empowered by Semantic Communication [53.78269720999609]
  本稿では,セマンティック通信(SemCom)を利用したAIGC(SemAIGC)の生成と伝送フレームワークを提案する。 具体的には、セマンティックエンコーダとデコーダに拡散モデルを統合し、ワークロード調整可能なトランシーバを設計する。 提案するSemAIGCフレームワークは,従来の手法に比べてレイテンシとコンテンツ品質が優れていることがシミュレーションによって検証された。
  論文  参考訳（メタデータ） (2023-10-26T18:05:22Z)
• Communication-Efficient Framework for Distributed Image Semantic Wireless Transmission [68.69108124451263]
  IoTデバイスを用いたマルチタスク分散画像伝送のためのFederated Learning-based semantic communication (FLSC)フレームワーク。 各リンクは階層型視覚変換器(HVT)ベースの抽出器とタスク適応トランスレータで構成される。 チャネル状態情報に基づく多重出力多重出力伝送モジュール。
  論文  参考訳（メタデータ） (2023-08-07T16:32:14Z)

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。