Reconfigurable Intelligent Surface for Internet of Robotic Things

要約

人工知能、ロボット工学、モノのインターネットの急速な発展に伴い、マルチロボット システムは人間のような環境認識と理解能力を徐々に獲得し、自律的な意思決定と対話を通じて複雑なタスクを完了できるようになりました。
しかし、ロボットのインターネット (IoRT) は、スペクトル リソース、センシング精度、通信遅延、エネルギー供給の点で大きな課題に直面しています。
これらの問題に対処するために、ロボット通信、センシング、計算、エネルギーハーベスティングの全体的なパフォーマンスを向上させる、再構成可能なインテリジェント サーフェス (RIS) 支援 IoRT ネットワークが提案されています。
ケーススタディでは、トランシーバーのビームフォーミング、ロボットの軌道、RIS 係数などのパラメーターを共同最適化することで、ビームフォーミング設計、経路計画、ターゲットセンシングなどの問題を解決する、マルチエージェント深層強化学習と多目的最適化に基づくソリューションが提案されています。
、データ集約。
数値結果は、RIS 支援 IoRT ネットワークの通信品質、センシング精度、計算エラー、エネルギー効率の改善における提案されたソリューションの有効性を実証するために提供されます。

要約(オリジナル)

With the rapid development of artificial intelligence, robotics, and Internet of Things, multi-robot systems are progressively acquiring human-like environmental perception and understanding capabilities, empowering them to complete complex tasks through autonomous decision-making and interaction. However, the Internet of Robotic Things (IoRT) faces significant challenges in terms of spectrum resources, sensing accuracy, communication latency, and energy supply. To address these issues, a reconfigurable intelligent surface (RIS)-aided IoRT network is proposed to enhance the overall performance of robotic communication, sensing, computation, and energy harvesting. In the case studies, by jointly optimizing parameters such as transceiver beamforming, robot trajectories, and RIS coefficients, solutions based on multi-agent deep reinforcement learning and multi-objective optimization are proposed to solve problems such as beamforming design, path planning, target sensing, and data aggregation. Numerical results are provided to demonstrate the effectiveness of proposed solutions in improve communication quality, sensing accuracy, computation error, and energy efficiency of RIS-aided IoRT networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google