論文の概要: Low-Altitude Fluid Antenna Network with Multi-Agent Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2608.27909v1
• Date: Fri, 28 Aug 2026 04:27:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.203532
• Title: Low-Altitude Fluid Antenna Network with Multi-Agent Reinforcement Learning
• Title（参考訳）: マルチエージェント強化学習を用いた低高度流体アンテナネットワーク
• Abstract要約: マルチエージェント強化学習(MARL)を用いた低高度FAネットワークの高速かつ高性能な再構成について検討する。 今回のケーススタディでは、固定位置ベースラインと比較して、関節FA位置とビームフォーミング最適化がシステム総和率を118.5%向上できることを示した。
• 参考スコア（独自算出の注目度）: 49.09908852315575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-altitude wireless networks (LAWNs) integrate terrestrial and aerial platforms to provide ubiquitous communication, sensing, and localization services for unmanned aerial vehicles (UAVs) and electric vertical takeoff and landing (eVTOL) aircraft. However, dynamic air-ground and air-air channels, abrupt blockages, and heterogeneous interference hinder the realization of this goal. Nevertheless, fluid antenna (FA), a cutting-edge multiple-input multiple-output (MIMO) technique, overcomes these challenges by reconfiguring antenna positions to unlock additional spatial degrees-of-freedom. In this paper, towards bringing low-altitude FA networks into reality, we study the fast and high-performance FA reconfiguration for low-altitude FA networks with multi-agent reinforcement learning (MARL). Specifically, we present an electromagnetic digital twin (EM-DT)-assisted MARL framework. To fill the sim-to-real gap, we introduce a two-stage transfer learning framework. Our case study shows that joint FA positions and beamforming optimization can enhance the system sum-rate by 118.5%, compared to the fixed position baseline. This gain comes from the dynamic millisecond timescale reconfiguration of FA arrays and the adaptive steering of beams toward aerial users with mobility.
• Abstract（参考訳）: 低高度無線ネットワーク(LAWN)は、無人航空機(UAV)と電気垂直離着陸(eVTOL)航空機のためのユビキタス通信、センシング、ローカライゼーションサービスを提供するために、地上および空中プラットフォームを統合している。 しかし、空気と空気の動的チャネル、突然の遮断、不均一な干渉は、この目標の実現を妨げる。 それでも、最先端のマルチインプット・マルチアウトプット(MIMO)技術である流体アンテナ(FA)は、アンテナ位置を再構成して余剰空間自由度を解放することでこれらの課題を克服する。 本稿では,低高度FAネットワークの実現に向けて,マルチエージェント強化学習(MARL)を用いた低高度FAネットワークの高速かつ高性能なFA再構成について検討する。 具体的には電磁デジタルツイン(EM-DT)を用いたMARLフレームワークを提案する。 sim-to-realギャップを埋めるために,2段階間移動学習フレームワークを導入する。 今回のケーススタディでは、固定位置ベースラインと比較して、関節FA位置とビームフォーミング最適化がシステム総和率を118.5%向上できることを示した。 この利点は、FAアレイの動的ミリ秒時間スケール再構成と、移動性のある空中ユーザに対するビームの適応的な操舵によって得られる。

関連論文リスト

• Intelligent Multi-UAV Navigation in ITNTNs: A Hierarchical LLM Approach [33.68706070829591]
  大きな言語モデル(LLM)はセマンティック推論において優れているが、高い推論遅延に悩まされ、リアルタイムの空力制御には適さない。 高高度プラットフォームステーションにデプロイされた大規模なクラウドベースのLLMは、低速でグローバルなロードバランシングを管理する。 個々のUAV上の軽量のエッジLLMは、局所的な観測結果を戦術的なサブゴールに変換して、衝突のないハンドオーバ対応の軌道を実行する。
  論文  参考訳（メタデータ） (2026-07-21T00:34:42Z)
• Hierarchical LLM-Driven Control for HAPS-Assisted UAV Networks: Joint Optimization of Flight and Connectivity [33.68706070829591]
  INTN(Integrated terrestrial and non-terrestrial network)で動作するマルチUAVシステムについて検討する。 衝突回避,効率的な交通流,そして動的かつ部分的に観測可能な条件下での信頼性の高い通信を確保するために,UAVが自身の動きに適応しなければならない3次元空路シナリオを考察する。 我々は,大規模言語モデル(LLM)による階層型マルチレート制御フレームワークを提案する。世界レベルでは,HAPS上のLLMベースのコントローラが,ロードバランシングとハンドオーバ決定のための長期計画を実行する。 ローカルレベルでは、各UAVは遅い時間スケールを統合するハイブリッドコントローラを使用する。
  論文  参考訳（メタデータ） (2026-05-12T04:27:14Z)
• AirFed: Federated Graph-Enhanced Multi-Agent Reinforcement Learning for Multi-UAV Cooperative Mobile Edge Computing [21.4907371859268]
  複数の無人航空機(UAV)協調移動エッジコンピューティング(MEC)システムは、軌道計画、タスクオフロード、リソース割り当ての調整において重要な課題に直面している。 既存のアプローチは、スケーラビリティの制限、収束の遅さ、UAV間の非効率な知識共有に悩まされている。 本稿では,新しい多エージェント強化学習フレームワークであるAirFedを提案する。
  論文  参考訳（メタデータ） (2025-10-27T06:31:35Z)
• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• Uncovering GNSS Interference with Aerial Mapping UAV [0.0]
  本研究では,高度飛行力学と高性能消費者受信機を組み合わせることで,大面積での干渉を検出する手法を提案する。 提案システムは、干渉源を検出し、その影響領域をマッピングし、品質の悪い環境や否定された環境に対する状況認識を得る。
  論文  参考訳（メタデータ） (2024-05-13T10:21:03Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Integrating LEO Satellites and Multi-UAV Reinforcement Learning for Hybrid FSO/RF Non-Terrestrial Networks [55.776497048509185]
  低高度地球軌道衛星(SAT)と無人航空機(UAV)のメガコンステレーションは、第5世代(5G)を超える高速・長距離通信の実現を約束している。 我々は、ミリ波(mmWave)無線周波数(RF)または自由空間光(FSO)リンクを用いて、SATとUAVリレーを介して2つの長距離地上端末間のパケット転送の問題を検討する。
  論文  参考訳（メタデータ） (2020-10-20T09:07:10Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。