論文の概要: DeRP: An Algorithm for Self-Assembly of Power-Delivery Networks using Recursive Branching in Information-Limited Environments

• arxiv url: http://arxiv.org/abs/2608.02904v1
• Date: Mon, 03 Aug 2026 21:42:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 07:04:20.682316
• Title: DeRP: An Algorithm for Self-Assembly of Power-Delivery Networks using Recursive Branching in Information-Limited Environments
• Title（参考訳）: DeRP:情報制限環境における再帰分岐を用いた電力配信ネットワークの自己組織化アルゴリズム
• Abstract要約: Dendritic Recursive Pivoting (DeRP)は、ロボット群におけるマルチターゲットネットワーク形成のための分散フレームワークである。 我々は、コンジットとして機能するロボットが、共通の情報源から電力ネットワークを自己組み立てするシステムを構想する。
• 参考スコア（独自算出の注目度）: 2.739409526693505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Delivering sustained power to distributed equipment in unstructured field environments using pre-planned wired networks or battery-based solutions presents significant infrastructure and logistics challenges. This paper presents Dendritic Recursive Pivoting (DeRP), a decentralized framework for multi-target network formation in robot swarms based solely on local communication and bearing-based sensing toward sinks. We envision a system in which robots, acting as a conduit, self-assemble a power network from a common source, forming branches at locally selected pivot points that approximate the Steiner points of Steiner trees to efficiently route to multiple Sinks. This branching operation is performed recursively to enable scalable and adaptive network formation without global planning. The proposed method is evaluated in terms of the total network length and estimated power loss, and is quantitatively compared against global baselines such as the Minimum Spanning Tree and Steiner tree solutions (GeoSteiner), which require complete knowledge of Sink locations. Specifically, we found that the networks formed by DeRP asymptotically form approximately 125\% of the global minimum length while reducing power losses to 65\% relative to Euclidean Steiner trees. In addition, we empirically characterize scaling behavior by measuring simulation completion time as the number of Sinks and robots increases, and find that this scaling was sub-linear for up to 100 sinks. The proposed approach enables resilient, adaptive power delivery in environments where deployment of traditional infrastructure is challenging.
• Abstract（参考訳）: 既計画の有線ネットワークやバッテリベースのソリューションを用いた非構造フィールド環境における分散機器への持続的電力供給は、重要なインフラストラクチャとロジスティクスの課題である。 本稿では,ロボット群におけるマルチターゲットネットワーク形成のための分散フレームワークであるDendritic Recursive Pivoting(DeRP)について述べる。 我々は、コンジットとして機能するロボットが、共用電源から電力ネットワークを自己組み立てし、局所的に選択されたピボットポイントに分岐し、スタイナー木のスタイナー点を近似して複数のシンクに効率的にルートするシステムを構想する。 この分岐操作は、グローバルプランニングなしでスケーラブルで適応的なネットワーク形成を可能にするために再帰的に実行される。 提案手法は,全ネットワーク長と推定電力損失の観点から評価し,シンク位置の完全な知識を必要とするミニマルスパンニングツリーやスタイナーツリーソリューション(GeoSteiner)などのグローバルベースラインと比較した。 具体的には,DeRPによって形成されるネットワークは,ユークリッド・スタイナー樹に比べて,電力損失を65倍に抑えながら,世界最小長の約125倍を漸近的に形成していることがわかった。 さらに,シンクやロボットの数が増加するにつれてシミュレーション完了時間を測定することにより,スケーリングの挙動を実証的に評価し,最大100個のシンクに対して,このスケーリングがサブ線形であることを見出した。 提案したアプローチは、従来のインフラストラクチャのデプロイが困難な環境で、レジリエントで適応的な電力配信を可能にする。

関連論文リスト

• Accelerating Robot Path Planning via Connectivity-Preserving Region Proposal Network [5.81838331663612]
  移動ロボット経路計画法は、しばしば広大な探索空間によって制約され、サンプリングベースアルゴリズムの遅延が発生する。 本稿では,コンパクトでトポロジカルに連結した候補領域の予測を目的としたセグメンテーション誘導モデルであるCP-RPNを提案する。
  論文  参考訳（メタデータ） (2026-05-27T11:59:03Z)
• 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)
• Structure-Aware Automatic Channel Pruning by Searching with Graph Embedding [28.03880549472142]
  チャネルプルーニングはディープニューラルネットワークの計算オーバーヘッドを低減するための強力な技術である。 ネットワークトポロジをモデル化し,各チャネルのグローバルな重要性を学習するための,構造対応自動チャネルプルーニング(SACP)フレームワークを提案する。 SACPは圧縮効率と精度保持の競争力において最先端のプルーニング法より優れている。
  論文  参考訳（メタデータ） (2025-06-13T05:05:35Z)
• Intelligent Hybrid Resource Allocation in MEC-assisted RAN Slicing Network [72.2456220035229]
  我々は,協調型MEC支援RANスライシングシステムにおける異種サービス要求に対するSSRの最大化を目指す。 最適ハイブリッドRAポリシーをインテリジェントに学習するためのRGRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-02T01:36:13Z)
• SINR-Aware Deep Reinforcement Learning for Distributed Dynamic Channel Allocation in Cognitive Interference Networks [10.514231683620517]
  本稿では,複数の大規模ネットワークによるキャリヤ間干渉(ICI)とチャネル再利用を経験する実世界のシステムに焦点を当てる。 CARLTON(Channel Allocation RL To Overlapped Networks)と呼ばれる分散DCAのための新しい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。 本結果は,従来の最先端手法に比べて優れた効率性を示し,優れた性能とロバストな一般化を示した。
  論文  参考訳（メタデータ） (2024-02-17T20:03:02Z)
• Synthetic Active Distribution System Generation via Unbalanced Graph Generative Adversarial Network [2.2749157557381245]
  Wasserstein GANの目的を持つ暗黙的な生成モデルは、合成三相非平衡な能動分布系接続を生成するように設計されている。 基本的な考え方は、実世界のシステムと線分の各フェーズにおけるランダムウォークの分布を学習することである。 いくつかのパワーアプリケーションを用いたケーススタディでは、提案フレームワークによって生成された合成アクティブネットワークが、現実世界のネットワークのほとんど全ての特徴を模倣できることが示されている。
  論文  参考訳（メタデータ） (2021-08-02T02:17:01Z)
• Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
  本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。 我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
  論文  参考訳（メタデータ） (2021-06-15T09:03:28Z)
• Clustered Federated Learning via Generalized Total Variation Minimization [83.26141667853057]
  本研究では,分散ネットワーク構造を持つローカルデータセットの局所的(あるいはパーソナライズされた)モデルを学習するための最適化手法について検討する。 我々の主要な概念的貢献は、総変動最小化(GTV)としてフェデレーション学習を定式化することである。 私たちのアルゴリズムの主な貢献は、完全に分散化されたフェデレーション学習アルゴリズムです。
  論文  参考訳（メタデータ） (2021-05-26T18:07:19Z)
• Resource Allocation via Graph Neural Networks in Free Space Optical Fronthaul Networks [119.81868223344173]
  本稿では,自由空間光(FSO)フロントホールネットワークにおける最適資源割り当てについて検討する。 我々は、FSOネットワーク構造を利用するために、ポリシーパラメータ化のためのグラフニューラルネットワーク(GNN)を検討する。 本アルゴリズムは,システムモデルに関する知識が不要なモデルフリーでGNNを訓練するために開発された。
  論文  参考訳（メタデータ） (2020-06-26T14:20:48Z)
• Proximity-based Networking: Small world overlays optimized with particle swarm optimization [0.0]
  小規模世界のネットワークは、インターネットネットワーク内の情報の拡散とルックアップにおいて、信じられないほど有用である。 本稿では,各ノードの分割鍵空間内のピアの配置に,コード内の地理的位置を組み込んだネットワーク方式を提案する。 提案手法の柔軟性により,様々なSwarmモデルとエージェントが利用可能となる。
  論文  参考訳（メタデータ） (2020-06-03T01:40:46Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。