Time-Series JEPA for Predictive Remote Control under Capacity-Limited Networks

要約

リモート コントロール システムでは、アップリンク チャネル容量が制限されている場合 (例: RedCap デバイスまたは大規模なワイヤレス センサー ネットワーク)、ワイヤレス センサーから遠く離れたコントローラーに大量のデータ (ビデオ フィードなど) を送信するのは困難です。
さらに、コントローラーは多くの場合、元のデータの情報豊富なコンポーネントのみを必要とします。
これに対処するために、時系列結合埋め込み予測アーキテクチャ (TS-JEPA) と自己教師あり学習を通じて訓練されたセマンティック アクターを提案します。
このアプローチは、ソース データの時空間相関を捕捉することにより、TS-JEPA の意味表現力と予測機能を活用します。
これを利用してアップリンク チャネルの使用率を最適化し、セマンティック アクターは元のデータではなく、エンコードされた表現から直接制御コマンドを計算します。
よく知られている逆カートポールシナリオの複数の並列インスタンスを通じてモデルをテストします。このアプローチは、制約されたアップリンクチャネル容量の下での安定性の最大化を通じて検証されます。

要約(オリジナル)

In remote control systems, transmitting large data volumes (e.g. video feeds) from wireless sensors to faraway controllers is challenging when the uplink channel capacity is limited (e.g. RedCap devices or massive wireless sensor networks). Furthermore, the controllers often only need the information-rich components of the original data. To address this, we propose a Time-Series Joint Embedding Predictive Architecture (TS-JEPA) and a semantic actor trained through self-supervised learning. This approach harnesses TS-JEPA’s semantic representation power and predictive capabilities by capturing spatio-temporal correlations in the source data. We leverage this to optimize uplink channel utilization, while the semantic actor calculates control commands directly from the encoded representations, rather than from the original data. We test our model through multiple parallel instances of the well-known inverted cart-pole scenario, where the approach is validated through the maximization of stability under constrained uplink channel capacity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google