遠隔操作運転シナリオにおけるPQoSのための強化学習フレームワーク【JST・京大機械翻訳】

Mason Federico; Drago Matteo; Zugno Tommaso; Giordani Marco; Boban Mate; Zorzi Michele

プレプリント

J-GLOBAL ID：202202220703337540 整理番号：22P0284561

遠隔操作運転シナリオにおけるPQoSのための強化学習フレームワーク【JST・京大機械翻訳】

A Reinforcement Learning Framework for PQoS in a Teleoperated Driving Scenario

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年02月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

近年,自律ネットワークを,産業および/または自動車部門で運用するアプリケーションの手段として,サービス(QoS)変化を予測し,それに応じて反応させるための手段として,サービス品質(PQoS)を念頭に設計した。この文脈において,強化学習(RL)は,正確な予測を行うための有望なアプローチとして得られ,無線ネットワークの効率と適応性を最適化する。これらの線に沿って,本論文では,RLフレームワークのサポートで,PQoS機能を実装するRANレベルで実装された新しいエンティティの設計を提案した。特に,QoS要求が満たされないならば,QoS推定を適切な対策に変換することができる学習エージェントの報酬関数の設計に焦点を当てた。ns-3シミュレーションを通して,著者らのアプローチが,他のベースラインソリューションと比較して,遠隔操作駆動様シナリオにおけるエンドユーザのQoSと品質(QoE)性能に関して最良のトレードオフを達成することを実証した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

計算機網

, , ,

前のページに戻る