論文の概要: DSGN: A Dual-Stream Gated Network for Scalable Simultaneous Surveillance and Containment

• arxiv url: http://arxiv.org/abs/2610.34084v1
• Date: Sun, 25 Oct 2026 05:58:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.532189
• Title: DSGN: A Dual-Stream Gated Network for Scalable Simultaneous Surveillance and Containment
• Title（参考訳）: DSGN: スケーラブルな同時監視・格納のためのデュアルストリームGated Network
• Abstract要約: 同時監視と封じ込め問題は、周辺セキュリティや環境監視といったマルチロボットアプリケーションで発生する。 本稿では,Dual-Stream Gated Network(DSGN)を提案する。
• 参考スコア（独自算出の注目度）: 5.673775338934132
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The simultaneous surveillance and containment (SSC) problem arises in multi-robot applications such as perimeter security and environmental monitoring, where robots must survey a region of interest and coordinate to enclose targets once they are detected. Surveillance favors spatial dispersion for coverage, whereas containment requires target-centric cohesion for enclosure. This conflict makes heuristic switching unstable, and the instability becomes more pronounced as larger robotic networks introduce more inter-agent and agent-target relations. End-to-end DRL reduces reliance on hand-crafted switching, but conventional single-stream policies often mix surveillance and containment cues in one shared feature space that could entangle dispersion-oriented and target-centric signals and weaken task transitions. In this paper, we propose the Dual-Stream Gated Network (DSGN), an architecture designed to address scale-amplified task-transition difficulties by separating surveillance and containment into specialized representation streams and coordinating them through a context-aware gating mechanism. A probabilistic prior further regularizes the gating process, reducing ambiguous intermediate decisions and supporting clearer behavioral transitions under large-scale interaction complexity. Evaluations show that DSGN maintains strong task efficacy and scalability under constant-density cross-scale settings. Additional ablation and phase-specific evaluations show that the proposed dynamic gating mechanism and probabilistic prior support effective task arbitration and reliable mode switching in both pure surveillance and task-switching scenarios. The source code is available at https://github.com/zuozysama/DSGN.
• Abstract（参考訳）: 同時監視・封じ込め(SSC)問題は、周囲のセキュリティや環境監視といったマルチロボットアプリケーションで発生し、ロボットは検知されたら関心領域を調査し、ターゲットを囲むように調整する必要がある。 サーベイランスは範囲の空間的分散を好んでおり、包み込みは囲いにターゲット中心の凝集を必要とする。 この衝突により、ヒューリスティックな切り替えが不安定になり、より大きなロボットネットワークがエージェントとエージェントの関係を更に導入するにつれて、不安定性がより顕著になる。 エンドツーエンドのDRLは手作りのスイッチングへの依存を減らすが、従来のシングルストリームのポリシーは、分散指向とターゲット中心のシグナルを絡めてタスク遷移を弱める1つの共有機能空間における監視と封じ込めのキューを混合することが多い。 本稿では,Dual-Stream Gated Network(DSGN)を提案する。Dual-Stream Gated Network(DSGN)は,監視と封じ込めを特別な表現ストリームに分離し,コンテキスト対応ゲーティング機構を通じて調整することで,スケールアンプ化されたタスク・トランジションの問題に対処するアーキテクチャである。 確率論的事前は、ゲーティングプロセスをさらに規則化し、あいまいな中間決定を減らし、大規模相互作用の複雑さの下でより明確な行動遷移をサポートする。 DSGNは, 一定密度のクロススケール設定下で, 高いタスク効率とスケーラビリティを維持している。 追加のアブレーションおよび位相特性評価は、純粋な監視シナリオとタスクスイッチングシナリオの両方において、提案した動的ゲーティング機構と確率論的事前サポートの効果的なタスク調停と信頼性のあるモード切替が示される。 ソースコードはhttps://github.com/zuozysama/DSGNで入手できる。

関連論文リスト

• Multi-Agent Transformer for Queue-Level XR Traffic Scheduling in TSN Networks [3.6371794661986816]
  Time-Sensitive Networking (TSN) と Mobile Edge Computing (MEC) は、超信頼性の高い低レイテンシ通信を実現する強力な可能性を持っている。 XRトラフィックタイプは、タイミング要求の観点から異なる特徴と臨界性を持っている。 待ち行列レベルのXRトラフィックスケジューリングのためのマルチエージェント強化学習手法を提案する。
  論文  参考訳（メタデータ） (2026-08-05T18:57:24Z)
• Cooperative Multi-UAV Navigation in Complex Environments via Systematic Multi-Agent Deep Reinforcement Learning [14.620999662200795]
  局所的なオプティマトラップ、スパース報酬、エージェント間の不均衡の学習、クロスシナリオの一般化が不十分である。 本稿では,これらの課題を協調探索,実証利用,安全なカリキュラムスケジューリング,構造認識の一般化を通じて解決する多エージェント深層強化学習フレームワークを提案する。 シミュレーションの結果、コラボレーションの成功率、ナビゲーションの堅牢性、ゼロショットのクロスシナリオの一般化、動的環境適応性などにおいて、強い性能が確認された。
  論文  参考訳（メタデータ） (2026-07-28T14:16:11Z)
• 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)
• Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
  マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。 分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。 本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:39:10Z)
• Bridging Supervision Gaps: A Unified Framework for Remote Sensing Change Detection [2.7351165166984845]
  UniCDは、教師付き、弱教師付き、教師なしのタスクを協調的に処理する。 UniCDは共有エンコーダとマルチブランチ協調学習機構を通じてアーキテクチャ上の障壁を取り除く。 主流データセットの実験は、UniCDが3つのタスクで最適なパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-25T08:43:29Z)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• HyMAD: A Hybrid Multi-Activity Detection Approach for Border Surveillance and Monitoring [0.5328562411561214]
  地震探査は、国境の監視と監視のための有望な解決策として浮上している。 時間-時間融合に基づく深層ニューラルネットワークHybrid Multi-Activity Detectionを提案する。 本研究では,国境監視・監視の文脈で収集した実世界のフィールド記録から構築したデータセットに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2025-11-18T17:37:38Z)
• Graph Based Deep Reinforcement Learning Aided by Transformers for Multi-Agent Cooperation [2.8169258551959544]
  本稿では、グラフニューラルネットワーク(GNN)、深層強化学習(DRL)、マルチエージェント協調と集合タスク実行の強化のためのトランスフォーマーベースのメカニズムを統合する新しいフレームワークを提案する。 提案手法はGNNを用いて,適応グラフ構築によるエージェントエージェントとエージェントゴールの相互作用をモデル化し,制約付き通信下での効率的な情報集約と意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-04-11T01:46:18Z)

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。