論文の概要: Joint UAV Flight and Opportunistic Routing under Reinforcement Learning for Delay-Tolerant Networks
- arxiv url: http://arxiv.org/abs/2608.04590v1
- Date: Wed, 05 Aug 2026 08:51:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.789562
- Title: Joint UAV Flight and Opportunistic Routing under Reinforcement Learning for Delay-Tolerant Networks
- Title（参考訳）: 遅延耐性ネットワークの強化学習におけるUAV飛行とオポチュニスティックルーティング
- Authors: Xiao Wang, Shun-Ren Yang,
- Abstract要約: 遅延耐性ネットワーク(DTN)は、疎接続下でのストアキャリアフォワード(SCF)通信を不可欠にしている。
間欠的な接触、有限バッファ、および制限されたメッセージ・ツー・ライブ(TTL)は、しばしばスパース・デリバリーと混雑を引き起こす。
本研究は,無人航空機(UAV)飛行における分散型機会ルーティングと制御可能な無人航空機の協調最適化について検討する。
- 参考スコア（独自算出の注目度）: 4.82972978331848
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing deployment of delay-tolerant networks (DTNs) has made store-carry-forward (SCF) communication indispensable under sparse connectivity. However, intermittent contacts, finite buffers, and limited message time-to-live (TTL) often give rise to sparse delivery and congestion, leading to substantial end-to-end performance degradation. To address this challenge, this study explores the joint optimization of decentralized opportunistic routing and controllable unmanned aerial vehicle (UAV) flight, aiming to enlarge future contacts through discrete UAV headings while enabling per-node replication under contact-limited observations. Building upon this architecture, we study cooperative factored routing--UAV control under centralized training and decentralized execution (CTDE) and propose JUROR (Joint UAV flight and Opportunistic Routing, based on the proximal policy optimization (PPO) framework. In our design, we first cast the problem as a factored partially observable Markov decision process with sequential motion--routing coupling and a per-step team reward; subsequently, decentralized actors act on local observations while a training-time critic uses global statistics, and an optional multi-horizon hotspot predictor provides auxiliary supervision. Simulation results over four traffic modes demonstrate effective gains over PRoPHET and MaxProp, while retaining contact-limited decentralized execution.
- Abstract（参考訳）: 遅延耐性ネットワーク (DTN) の展開が進み, 疎接続下でのストア・キャリア・フォワード (SCF) 通信が不可欠になった。
しかし、断続的な接触、有限バッファ、限定的なメッセージ・ツー・ライブ(TTL)は、しばしばスパース・デリバリと混雑を引き起こし、エンドツーエンドのパフォーマンスが大幅に低下する。
この課題に対処するため,本研究では,非中央集権型無人航空機(UAV)飛行と非中央集権型無人航空機(UAV)飛行の協調最適化について検討した。
本アーキテクチャは,一元的トレーニングと分散実行(CTDE)下での協調的ファクタリング型ルーティング-UAV制御について検討し,近接政策最適化(PPO)フレームワークに基づくJUROR(Joint UAV flight and Opportunistic Routing)を提案する。
4つのトラヒックモードのシミュレーション結果から,PRoPHETとMaxPropに対して,コンタクト限定の分散実行を維持しながら効果的に利得を示した。
関連論文リスト
- MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。
本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。
適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
論文 参考訳（メタデータ） (2026-08-02T10:05:50Z) - DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning [13.207796958340067]
都市交差点での交通信号制御は停止・停止動作を導入し、遅延が増加し、交通効率が低下する。
トラジェクトリレベルの調整は、従来のフェーズベースの管理を増強または超越するための高能率戦略として現れている。
本稿では,DSIP(Diffusion-model-based Signal-free Intersection Planner)を提案する。
論文 参考訳（メタデータ） (2026-06-29T01:35:13Z) - Spatio-Temporal Attention Enhanced Multi-Agent DRL for UAV-Assisted Wireless Networks with Limited Communications [73.26813382994867]
本稿では,UAV間の情報共有を促進するために,遅延ペナル化報酬を統合した遅延耐性多エージェント深層強化学習アルゴリズムを提案する。
提案手法は従来のMADRLに比べて50%以上の情報遅延と75%のスループット向上を実現する。
また、UAV情報交換の必要性を低減し、UAV支援無線ネットワークにおけるMADRLの実践的展開を促進するのにも有効である。
論文 参考訳（メタデータ） (2026-03-23T05:42:50Z) - Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。
潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。
提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
論文 参考訳（メタデータ） (2026-02-27T04:30:35Z) - Agentic Spatio-Temporal Grounding via Collaborative Reasoning [80.83158605034465]
時間的ビデオグラウンド(Temporal Video Grounding)は、テキストクエリが与えられたビデオ内の対象物または人の時間的チューブを検索することを目的としている。
本稿では,STVGの課題に対して,オープンワールドおよびトレーニングフリーシナリオに向けたエージェント時空間グラウンド(ASTG)フレームワークを提案する。
具体的には、現代多言語モデル(MLLM)を活用した2つの特殊エージェントSRA(Spatial Reasoning Agent)とTRA(Temporal Reasoning Agent)である。
人気のあるベンチマークの実験は、既存の弱教師付きおよびゼロショットアプローチをマージンで上回る提案手法の優位性を実証している。
論文 参考訳（メタデータ） (2026-02-10T10:16:27Z) - Multi-Agent Deep Reinforcement Learning for Collaborative UAV Relay Networks under Jamming Atatcks [36.380478794869234]
本稿では,この課題を,分散実行トレーニング(CTDE)フレームワークを用いて解決したMARL(Multi-Agent Reinforcement Learning)問題として定式化する。
提案手法はベースラインを著しく上回り,システム全体のスループットを約50%向上し,同時にほぼゼロの衝突速度を実現した。
重要な発見は、エージェントが明示的なプログラミングなしに創発的なアンチジャミング戦略を開発することである。
論文 参考訳（メタデータ） (2025-12-09T08:11:21Z) - Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している
我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。
このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。
これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
論文 参考訳（メタデータ） (2025-10-28T10:05:53Z) - Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。
本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T12:36:08Z) - Learning-Based UAV Trajectory Optimization with Collision Avoidance and
Connectivity Constraints [0.0]
無人航空機(UAV)は無線ネットワークの不可欠な部分であると期待されている。
本稿では,衝突回避と無線接続制約による複数UAV軌道最適化問題を再構成する。
この問題を解決するために,分散型深層強化学習手法を提案する。
論文 参考訳（メタデータ） (2021-04-03T22:22:20Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
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。