論文の概要: Task-Oriented Sensing and Covert Transmissions for Collaborative Multi-AUV Systems
- arxiv url: http://arxiv.org/abs/2607.13880v1
- Date: Wed, 15 Jul 2026 14:29:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.796192
- Title: Task-Oriented Sensing and Covert Transmissions for Collaborative Multi-AUV Systems
- Title（参考訳）: 協調型マルチAUVシステムのためのタスク指向センシングとカバート伝送
- Abstract要約: 本稿では,協調作業における情報の有用性を特徴付けるための,感性情報量実現型マルチエージェント強化学習(SVR-MARL)フレームワークを提案する。
不要なコミュニケーションや露出リスクを低減しつつ,協調作業効率を向上させるフレームワークの可能性を示す。
- 参考スコア（独自算出の注目度）: 67.63956000297922
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In underwater covert cooperative missions, autonomous underwater vehicles (AUVs) often cannot rely on active sonar to continuously obtain complete information, since active sensing and frequent communications increase the risk of exposure. As a result, AUVs primarily rely on passive observation, an approach that yields incomplete local perception and limited task efficiency. Although underwater acoustic communications can mitigate this limitation through information sharing, they are simultaneously constrained by long delays, severe interference, low reliability, and the risk of covert exposure. Existing communications-oriented multi-agent reinforcement learning (MARL) studies often model communication as an ideal information flow, whereas traditional communication optimization primarily focuses on link-level performance. However, both are insufficient to characterize the actual contribution of perceptual information to cooperative tasks under realistic conditions of covert physical communications. This paper proposes a Sensed Information Value Realization Multi-Agent Reinforcement Learning (SVR-MARL) framework that leverages practical information to characterize the utility of information for cooperative tasks and learns distributed cooperative policies under realistic communication and covert constraints. Through a case study of covert multi-AUV cooperative localization and tracking, the potential of the proposed framework to improve collaborative task efficiency while reducing unnecessary communication and exposure risks is demonstrated.
- Abstract（参考訳）: 水中の秘密の協力ミッションでは、アクティブなセンシングや頻繁な通信によって露出のリスクが増大するため、自律型水中車両(AUV)は引き続き完全な情報を得るためにアクティブなソナーを頼りにしないことが多い。
その結果、AUVは主に、不完全な局所認識と限られたタスク効率をもたらすアプローチである受動的観察に依存している。
水中音響通信は情報共有によってこの制限を緩和することができるが、同時に長い遅延、厳しい干渉、信頼性の低下、隠蔽曝露の危険性によって制限される。
既存のコミュニケーション指向多エージェント強化学習(MARL)研究は、しばしば理想的な情報フローとしてコミュニケーションをモデル化するが、従来のコミュニケーション最適化は主にリンクレベルのパフォーマンスに焦点を当てている。
しかし, 現実的な物理的コミュニケーションの条件下での協調作業における知覚情報の実際の寄与を特徴付けるには, どちらも不十分である。
本稿では,現実的なコミュニケーションや隠蔽的制約下での分散協調政策を学習し,協調作業における情報の有用性を特徴付けるために,実践的情報を活用するセンセード情報価値実現マルチエージェント強化学習(SVR-MARL)フレームワークを提案する。
マルチAUV協調型ローカライゼーションとトラッキングのケーススタディを通じて、不要な通信や露出リスクを低減しつつ、協調作業効率を向上させるためのフレームワークの可能性を示す。
関連論文リスト
- Decentralized Gaussian Process Classification and an Application in Subsea Robotics [10.120009076068953]
ロボットのチームが、ある場所から別の場所への通信成功確率のマップを、リアルタイムで構築する上での課題に対処する。
この研究の主な貢献は、AUV間で共有される測定値を選択する厳格に派生したデータ共有ポリシーである。
バージニア工科大学690AUVのチームから収集した実音響通信データを用いて,提案手法を実験的に検証した。
論文 参考訳（メタデータ） (2025-11-19T15:26:47Z) - Robust and Efficient Communication in Multi-Agent Reinforcement Learning [18.405707681765453]
マルチエージェント強化学習(MARL)は,自律エージェント間の協調行動の実現に大きく貢献している。
既存のほとんどのアプローチは、通信は瞬時に、信頼性があり、帯域幅が無制限であると仮定している。
本調査は, 現実的な制約下でのMARLの堅牢かつ効率的な通信戦略の最近の進歩を体系的にレビューする。
論文 参考訳（メタデータ） (2025-11-14T15:23:11Z) - Cooperative Target Detection with AUVs: A Dual-Timescale Hierarchical MARDL Approach [59.81681228738068]
敵の環境では、効率的な協調を実現するとともに、隠蔽活動を確保することが、水中での協力ミッションにとって重要な課題である。
本稿では,新しい時間スケール階層型マルチエージェント・ポリシー最適化フレームワークを提案する。
提案手法は, 高速収束を実現し, ベンチマークアルゴリズムの性能を向上し, 長期協調効率を最大化し, 隠蔽動作の確保を図る。
論文 参考訳（メタデータ） (2025-09-16T09:31:32Z) - In-Context Reinforcement Learning via Communicative World Models [49.00028802135605]
この研究は、2エージェントの緊急通信問題としてICRLを定式化する。
これは、転送可能な通信コンテキストを学ぶフレームワークであるCORALを紹介している。
実験により,本手法により,CAが試料効率を大幅に向上できることが実証された。
論文 参考訳（メタデータ） (2025-08-08T19:23:23Z) - CoSDH: Communication-Efficient Collaborative Perception via Supply-Demand Awareness and Intermediate-Late Hybridization [23.958663737034318]
本稿では,供給需要の認識と中間段階のハイブリダイゼーションに基づく,コミュニケーション効率の高い協調認識フレームワークを提案する。
シミュレーションと実世界のシナリオを含む複数のデータセットの実験は、mymethodnameが最先端の検出精度と最適な帯域幅のトレードオフを達成することを実証している。
論文 参考訳（メタデータ） (2025-03-05T12:02:04Z) - Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。
周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。
我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
論文 参考訳（メタデータ） (2024-08-29T08:53:26Z) - From Explicit Communication to Tacit Cooperation:A Novel Paradigm for
Cooperative MARL [14.935456456463731]
本稿では,明示的なコミュニケーションから暗黙的な協調への段階的なシフトを促進する新しいパラダイムを提案する。
初期訓練段階では,エージェント間で関連情報を共有することで協力を促進する。
次に、明示的に伝達された情報と再構成された情報を組み合わせて混合情報を得る。
論文 参考訳（メタデータ） (2023-04-28T06:56:07Z) - Interruption-Aware Cooperative Perception for V2X Communication-Aided
Autonomous Driving [49.42873226593071]
本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。
我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。
3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
論文 参考訳（メタデータ） (2023-04-24T04:59:13Z) - Over-communicate no more: Situated RL agents learn concise communication
protocols [78.28898217947467]
互いに効果的に効率的にコミュニケーションできる人工エージェントをいかに設計するかは、不明である。
強化学習(RL)を用いたコミュニケーションの出現に関する研究
エージェントがコミュニケーションを行うための環境行為を強制しなければならない多段階タスクにおける位置的コミュニケーションについて検討する。
テストされたすべてのプレッシャーは過剰なコミュニケーションを阻害する可能性があるが、位置通信は最も効果的であり、努力のコストとは異なり、発生に悪影響を及ぼさない。
論文 参考訳（メタデータ） (2022-11-02T21:08:14Z) - PP-MARL: Efficient Privacy-Preserving Multi-Agent Reinforcement Learning for Cooperative Intelligence in Communications [15.955599283219298]
多エージェント強化学習(MARL)は,コミュニケーション問題において協調的知能(CI)を実現するための一般的な手法である。
MARLのプライバシー保護を保証することは、情報の共有を通じて相互に学習する異種エージェントが存在するため、難しい課題である。
MARLの効率的なプライバシー保護学習手法であるPP-MARLを提案する。
論文 参考訳（メタデータ） (2022-04-26T04:08:27Z)
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。