論文の概要: Decision Transformer for UAV-Mounted RIS-Assisted Dynamic D2D Communications

• arxiv url: http://arxiv.org/abs/2609.09885v1
• Date: Wed, 09 Sep 2026 08:41:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.955311
• Title: Decision Transformer for UAV-Mounted RIS-Assisted Dynamic D2D Communications
• Title（参考訳）: UAV-Mounted RIS-Assisted Dynamic D2D Communicationsのための決定変換器
• Abstract要約: インテリジェントな動きと姿勢、時間の異なるリッチ角、角度に依存したRIS反射をモデル化する。 UAV軌道、姿勢、RIS位相の合同最適化は、モビリティ、エネルギ、ハードウェアの制約下での平均和率を最大化するために定式化される。 その結果, 直接DRL転送やオンラインファインチューニングに優れるゼロショット転送が効果的に実現された。
• 参考スコア（独自算出の注目度）: 4.868527616710875
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies unmanned aerial vehicle (UAV)-mouted reconfigurable intelligent surface (RIS)-assisted device-to-device (D2D) communication with stochastic link activation. It models UAV motion and attitude, time-varying Rician angles, and angle-dependent RIS reflection. A joint optimization of UAV trajectory, attitude, and RIS phases is formulated to maximize average sum rate under mobility, energy, and hardware constraints. The problem is addressed using deep reinforcement learning and a Decision Transformer trained on expert trajectories from multiple scenarios. Results demonstrate effective cross-scenario generalization, with zero-shot transfer outperforming direct DRL transfer and online fine-tuning achieving competitive performance with fewer interactions.
• Abstract（参考訳）: 本稿では,無人航空機 (UAV) を改造した再構成可能なインテリジェントサーフェス (RIS) を用いたデバイス間通信 (D2D) と確率的リンクアクティベーションを併用した通信について検討する。 UAVの動きと姿勢、時間変化のリッチ角、および角度依存RIS反射をモデル化する。 UAV軌道、姿勢、RIS位相の合同最適化は、モビリティ、エネルギ、ハードウェアの制約下での平均和率を最大化するために定式化される。 この問題は、深層強化学習と、複数のシナリオから専門家の軌道で訓練された決定変換器を用いて解決される。 その結果、ゼロショット転送は直接DRL転送よりも優れ、オンライン微調整は、より少ないインタラクションで競合性能を達成する。

関連論文リスト

• Secrecy Energy Efficiency for IRS-Assisted Low-Altitude Communications: A D3QN-PER Based Approach [25.752091807817816]
  低高度経済(LAE)無線通信におけるセキュリティとエネルギーの課題に対処する。 無人航空機(UAV)とインテリジェントサーフェス(IRS)を統合したセキュアな相乗的ネットワークを開発する。 開発したD3Q-PERNに基づく学習手法は,既存の最先端の学習手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-07-27T09:05:35Z)
• Digital Twin-Assisted Adaptive Multi-Agent DRL for Intelligent Spectrum and Resource Management in Open-RAN UAV-Enabled 6G Networks [49.19977685617281]
  6G無線ネットワークは、無人航空機(UAV)がカバー範囲を広げ、レジリエンスを向上し、地上ユーザのデプロイメントに信頼性の高い接続性を確保する上で重要な役割を果たす、シームレスにインテリジェントでオープンなRAN対応アーキテクチャを想定している。 高度にダイナミックなUAV支援環境でのスペクトルと資源の効率的な管理は、非線形システム相互作用、モビリティによって引き起こされるトポロジの変動、厳密なレイテンシとエネルギー制約により、依然として大きな課題である。 本稿では,デジタルツイン(DT)を利用した適応型深層強化学習(DRL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-31T16:19:28Z)
• RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
  RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。 様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。 強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
  論文  参考訳（メタデータ） (2026-04-16T17:59:44Z)
• STAR-RIS-assisted Collaborative Beamforming for Low-altitude Wireless Networks [58.13757830013997]
  無人航空機(UAV)に基づく無線ネットワークは、都市コミュニケーションに高いモビリティ、柔軟性、カバーを提供する。 閉塞により、密集した環境では信号の減衰が激しい。 この重要な問題に対処するために、UAVの協調ビームの導入と全方向逆方向ビームフォーミングについて検討する。
  論文  参考訳（メタデータ） (2025-10-25T01:28:37Z)
• Large Language Model-Empowered Decision Transformer for UAV-Enabled Data Collection [71.84636717632206]
  空間分散デバイスからの信頼性とエネルギー効率のよいデータ収集のための無人航空機(UAV)は、IoT(Internet of Things)アプリケーションをサポートする上で大きな可能性を秘めている。 有効なUAV制御ポリシーを学習するための共同言語モデル(LLM)を提案する。 LLM-CRDTは、現在の最先端DTアプローチよりも最大36.7%高いエネルギー効率を達成し、オンラインおよびオフラインメソッドのベンチマークより優れている。
  論文  参考訳（メタデータ） (2025-09-17T13:05:08Z)
• Age of Information Minimization in UAV-Enabled Integrated Sensing and Communication Systems [34.92822911897626]
  統合センシング通信(ISAC)機能を備えた無人航空機(UAV)は、将来の無線ネットワークにおいて重要な役割を果たすと想定されている。 ターゲットセンシングとマルチユーザ通信を同時に行う老化情報(AoI)システムを提案する。
  論文  参考訳（メタデータ） (2025-07-18T18:17:09Z)
• Deep-Reinforcement-Learning-Based AoI-Aware Resource Allocation for RIS-Aided IoV Networks [43.443526528832145]
  車両間通信(V2X)方式を考慮したRIS支援車両インターネット(IoV)を提案する。 車両間リンク(V2I)のタイムラインと車両間リンク(V2V)の安定性を改善するため,情報量(AoI)モデルとペイロード伝達確率モデルを導入する。
  論文  参考訳（メタデータ） (2024-06-17T06:16:07Z)
• RIS-assisted UAV Communications for IoT with Wireless Power Transfer Using Deep Reinforcement Learning [75.677197535939]
  無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。 第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。 マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T23:55:44Z)
• Transferable Deep Reinforcement Learning Framework for Autonomous Vehicles with Joint Radar-Data Communications [69.24726496448713]
  本稿では,AVの最適決定を支援するために,マルコフ決定プロセス(MDP)に基づくインテリジェントな最適化フレームワークを提案する。 そこで我々は,近年の深層強化学習技術を活用した効果的な学習アルゴリズムを開発し,AVの最適方針を見出す。 提案手法は,従来の深部強化学習手法と比較して,AVによる障害物ミス検出確率を最大67%削減することを示す。
  論文  参考訳（メタデータ） (2021-05-28T08:45:37Z)

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。