論文の概要: MobiWave: Dispatch-Oriented Graph Wavelets and Drift-Guided Selective Optimization for Autonomous Fleet Rebalancing

• arxiv url: http://arxiv.org/abs/2607.24365v1
• Date: Mon, 27 Jul 2026 12:39:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.41934
• Title: MobiWave: Dispatch-Oriented Graph Wavelets and Drift-Guided Selective Optimization for Autonomous Fleet Rebalancing
• Title（参考訳）: MobiWave: Drift-Guided Selective Optimization for Autonomous Fleet Rebalancing
• Abstract要約: nameはディスパッチ指向のマルチスケールグラフウェーブレットモジュールとDrift-Guided Layer-Selective Optimization (DGLS)を接続するフレームワークである。 DGLSはDispatch-weighted Spectral Driftを測定することで適応課題に対処する。 実世界のデータセットとシミュレートされた環境の両方の実験は、最先端の手法との比較において、名前の有効性を示している。
• 参考スコア（独自算出の注目度）: 17.05150937022831
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous fleets enable mobility platforms to coordinate idle vehicles directly, making fleet-wide rebalancing possible. However, two obstacles limit reliable deployment: overlapping regional and local traffic patterns can hide roads that remain useful for dispatch, and mobility drift can make a trained policy unreliable. Existing spatial aggregation mixes these patterns, while updating all parameters from limited recent data is costly and can damage stable knowledge. We propose \name, a framework that connects a dispatch-oriented multi-scale graph wavelet module with Drift-Guided Layer-Selective Optimization (DGLS). The first module addresses the representation challenge by separating graph-frequency patterns and weighting each scale according to its value for demand prediction and feasible rebalancing. DGLS addresses the adaptation challenge by measuring Dispatch-weighted Spectral Drift, selecting affected layers within a resource budget, and separating short shocks from persistent changes through a drift-aware fast--slow update. Candidate validation further rejects updates that fail to improve held-out dispatch reward without worsening monitored service or safety constraints. Experiments on both real-world datasets and simluated environments demonstrate the effectiveness of \name\ in comparing with state-of-the-art methods. The source code and datasets are available at https://anonymous.4open.science/r/MobiWave-40F8/.
• Abstract（参考訳）: 自律的な艦隊は、車両のアイドルを直接調整する移動プラットフォームを可能にし、艦隊全体の再バランスを可能にする。 しかし、2つの障害は信頼性の高い配置を制限する: 地域と地域の交通パターンの重複は、ディスパッチに有用な道路を隠蔽し、モビリティドリフトは、訓練されたポリシーを信頼できないものにする。 既存の空間アグリゲーションはこれらのパターンを混合するが、最近の限られたデータから全てのパラメータを更新することはコストがかかり、安定した知識を損なう可能性がある。 Drift-Guided Layer-Selective Optimization (DGLS) でディスパッチ指向のマルチスケールグラフウェーブレットモジュールを接続するフレームワークである \name を提案する。 第1のモジュールは、グラフ周波数パターンを分離し、その値に応じて各スケールを重み付けし、需要予測と実現可能な再バランスによって表現課題に対処する。 DGLSは、Dispatch-weighted Spectral Driftを測定し、リソース予算内で影響のあるレイヤを選択し、ドリフト対応の高速な更新を通じて、永続的な変更から短いショックを分離することで、適応上の課題に対処する。 候補検証はさらに、監視対象のサービスや安全性の制約を悪化させることなく、保留中のディスパッチ報酬を改善することができないアップデートを拒否する。 実世界のデータセットとシミュレートされた環境の両方の実験は、最先端の手法との比較において \name\ の有効性を示している。 ソースコードとデータセットはhttps://anonymous.4open.science/r/MobiWave-40F8/で公開されている。

関連論文リスト

• When Efficiency Becomes Fragility: Exploiting Dynamic Routing Vulnerabilities in Adaptive UAV Tracking [32.2355419863971]
  UAVプラットフォーム上のリソース制約は、性能を追求し、効率と精度のバランスをとることから、空中追跡のパラダイムシフトを駆り立てている。 入力依存動的ルーティングアーキテクチャを活用するAdaptive Transformer Trackersがこの課題の代表的な解決策として登場した。 この計算オンデマンドの柔軟性の背後には,計算経路決定のリプシッツ特異性という,重要な構造的欠陥が隠されていることが明らかになった。
  論文  参考訳（メタデータ） (2026-08-04T16:29:35Z)
• Vessel Traffic Flow Prediction on Sparse Data via Spatio-Temporal Graph Neural Networks with a Learnable Tweedie Head [9.797319790710711]
  海上交通流のデータはしばしば断続的なバーストと疎結合であり、堅牢な予測を困難にしている。 任意のST-GNNバックボーンにプラグイン・アンド・プレイ出力モジュールとしてアタッチできるモデルに依存しない学習可能なTweedieヘッドを提案する。
  論文  参考訳（メタデータ） (2026-06-05T07:31:07Z)
• CLEAR: Cognition and Latent Evaluation for Adaptive Routing in End-to-End Autonomous Driving [19.474428775260034]
  超高速な生成計画と深い意味的推論を組み合わせたフレームワークであるCLEARを提案する。 CLEARはDrive-JEPAをビジュアルエンコーダとして採用し、VAEラテント空間におけるマルチステップデノイングチェーンを単一ステップ条件ドリフトに置き換える。 NAVSIM v1ベンチマークでは、CLEARは93.7の最先端のPDMSを達成した。
  論文  参考訳（メタデータ） (2026-06-04T14:32:10Z)
• Deep Adaptive Rate Allocation in Volatile Heterogeneous Wireless Networks [1.6332728502735252]
  本稿では、Transformerベースのパス状態予測と、Deep Adaptive Rate Allocation (DARA)と呼ばれる新しいマルチパス分割スケジューラを統合する。 DARAは利用可能なパス上で最適な混雑ウィンドウ率を計算し、それらの間のデータの割り当てを決定する。 DARAは、学習ベースのスケジューラに比べて、適度なボラティリティトレースによるファイル転送時間短縮を実現している。
  論文  参考訳（メタデータ） (2026-03-21T20:03:56Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• Adaptive Time Step Flow Matching for Autonomous Driving Motion Planning [8.384289409828678]
  一般的なアプローチは、さまざまな現実世界のシナリオをまたいで一般化することを目的とした、専門家駆動データセットに対する大規模な模倣学習である。 オンライントラジェクトリ生成では、そのような手法をリアルタイムに動作させなければならない。 本研究では,周辺エージェントの将来の動きを協調的に予測し,エゴ軌道をリアルタイムで計画する条件付きフローマッチングに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-10T20:57:01Z)
• Wireless Traffic Prediction with Large Language Model [54.07581399989292]
  TIDESは、無線トラフィック予測のための空間時間相関をキャプチャする新しいフレームワークである。 TIDESは過剰なトレーニングオーバーヘッドを発生させることなく、ドメイン固有のパターンへの効率的な適応を実現する。 この結果から,将来の6Gシステムにおいて,空間認識をLCMベースの予測器に統合することが,スケーラブルでインテリジェントなネットワーク管理の鍵であることが示唆された。
  論文  参考訳（メタデータ） (2025-12-19T04:47:40Z)
• SuperFlow++: Enhanced Spatiotemporal Consistency for Cross-Modal Data Pretraining [62.433137130087445]
  SuperFlow++は、連続するカメラペアを使用して事前トレーニングと下流タスクを統合する新しいフレームワークである。 SuperFlow++は様々なタスクや運転条件で最先端のメソッドよりも優れています。 強力な一般化性と計算効率により、SuperFlow++は、自動運転におけるデータ効率の高いLiDARベースの認識のための新しいベンチマークを確立する。
  論文  参考訳（メタデータ） (2025-03-25T17:59:57Z)
• Mitigating Traffic Oscillations in Mixed Traffic Flow with Scalable Deep Koopman Predictive Control [11.428076811557437]
  接続された自動車両(CAV)と人力車両(HDV)の交通振動の緩和は、交通の安定性を高めるために重要である。 本研究では,この問題に対処するための適応型深層クープマン予測制御フレームワーク(AdapKoopPC)を提案する。 このフレームワークは、自然データから適応的に学習することで、高次元空間における線形系として複雑なHDVカー追従ダイナミクスを表現する、新しいディープクープマンネットワークであるAdapKoopnetを特徴としている。
  論文  参考訳（メタデータ） (2025-01-27T14:28:20Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• PDFormer: Propagation Delay-Aware Dynamic Long-Range Transformer for Traffic Flow Prediction [78.05103666987655]
  空間時空間グラフニューラルネットワーク(GNN)モデルは、この問題を解決する最も有望な方法の1つである。 本稿では,交通流の正確な予測を行うために,遅延を意識した動的長距離トランスフォーマー(PDFormer)を提案する。 提案手法は,最先端の性能を達成するだけでなく,計算効率の競争力も発揮できる。
  論文  参考訳（メタデータ） (2023-01-19T08:42:40Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)

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。