Touch2Robot memungkinkan manusia mengumpulkan demonstrasi manipulasi sambil melihat prediksi kontak tangan robot, meningkatkan penyelesaian replay robot nyata dari 37,9% menjadi 72,1% dan mengurangi waktu pengumpulan per demonstrasi yang b…
Metode
Touch2Robot terdiri dari tiga komponen utama: (1) penangkapan demonstrasi manusia multimodal, (2) pembelajaran kebijakan RL spesifik objek dengan panduan taktil, dan (3) retargeti…
Hasil
Kerangka kerja ini dievaluasi pada empat tugas dunia nyata. Hasil kuantitatif utama dirangkum di bawah ini. **Penyelesaian Replay Robot Nyata.** Touch2Robot meningkatkan rata-rata penyelesaian replay…
Ivan Aleksandrov; German Kochnev; Sabrina Sadiekh; Yaroslav Rogoza
Ringkasan
DUMA-Bench memperluas τ²-bench dengan lingkungan adversaria yang mencakup delapan kelas kerentanan dan mengevaluasi 14 model dari lima keluarga. Memperkenalkan interaksi dual-kontrol meningkatkan tingkat keberhasilan serangan dari 26,9% me…
Metode
DUMA-Bench memperluas kerangka τ²-bench dengan memperkenalkan interaksi dual-kontrol, di mana agen dan pengguna sama-sama dapat memengaruhi keadaan lingkungan bersama. Tolok ukur …
Hasil
Di seluruh eksperimen, memperkenalkan interaksi dual-kontrol meningkatkan tingkat keberhasilan serangan dari **26,9%** menjadi **41,1%**. Kenaikan 14,2 poin persentase ini menunjukkan bahwa dinamika …
Makalah ini memperbaiki batas bawah dan batas atas rasio kompetitif (CR) Longest Queue Drop (LQD), sebuah kebijakan manajemen buffer untuk switch memori bersama. Batas baru tersebut adalah 1,46929591 <= CR(LQD) <= 1,683652, mempersempit re…
Metode
Untuk batas bawah, penulis memperkenalkan keluarga instans baru yang disebut *front-loaded family*. Mereka memberikan sertifikat bilangan bulat eksak pada instans berhingga terten…
Hasil
Hasil utamanya adalah: - Batas bawah: $\mathrm{CR}(\mathrm{LQD}) \geq \frac{184815365566285}{125784985866185} = 1,46929591...$ - Batas atas: $\mathrm{CR}(\mathrm{LQD}) \leq 1,683652$ Hasil ini memper…
Maryopi mengusulkan skema pengodean sumber lossless untuk pengalamatan jaringan kuantum, memperkenalkan ruang alamat prefiks-sufiks dan encoder-decoder hierarkis isometrik yang menjamin ketertafsiran unik. Prosedur berbasis Huffman menyema…
Metode
Skema ini dibangun di atas tiga komponen. **1. Ruang alamat prefiks-sufiks.** Alamat didekomposisi menjadi prefiks (mengidentifikasi klaster atau tingkat hierarki) dan sufiks (men…
Hasil
Makalah ini melaporkan contoh numerik pada **jaringan 13 node** untuk memvalidasi skema pengodean hierarkis yang diusulkan. Demonstrasi menunjukkan bahwa skema ini layak dan mencapai **fidelitas semp…
Muhammad Umar Farooq Qaisar; Lin Zhang; Paolo Bellavista; Shehzad Ashraf Chaudhry; Shamsher Ullah; Chang Liu
Ringkasan
Artikel ini menyajikan kerangka kerja pengisian daya UAV sesuai permintaan berbasis integrated sensing and communication (ISAC) untuk jaringan sensor nirkabel yang dapat diisi ulang, dengan menggunakan antrean pengisian berprioritas dan pe…
Metode
Kerangka kerja yang diusulkan terdiri dari tiga komponen yang saling bergantung: antrean pengisian berprioritas, estimasi mobilitas berbantuan ISAC, dan kebijakan pengisian parsia…
Hasil
Simulasi dilakukan untuk mengevaluasi kerangka kerja pengisian daya UAV sesuai permintaan berbasis ISAC yang diusulkan terhadap baseline representatif. Metrik kinerja meliputi efisiensi penggunaan en…
Muhammad Umar Farooq Qaisar; Lin Zhang; Zhen Chen; Wajdy Othman; Shehzad Ashraf Chaudhry; Chang Liu
Ringkasan
TRUAV adalah kerangka pembelajaran penguatan multi-agen terdistribusi yang memakai Q-learning tabular independen untuk perencanaan trajektori UAV dan peningkatan perutean secara bersama pada VANET berbantuan UAV yang mendukung IoT. Simulas…
Metode
TRUAV membekali setiap UAV dengan agen Q-learning lokal yang beroperasi murni pada informasi yang dapat diamati secara lokal, termasuk kepadatan kendaraan, status antrean paket, d…
Hasil
Simulasi numerik di area perkotaan luas dengan 200 kendaraan bergerak menunjukkan bahwa kerangka TRUAV yang diusulkan mencapai cakupan jaringan dan rasio pengiriman paket yang sebanding dengan metode…
Nawel Alioua; Ryan Zanone; Cheng Xi; Elizabeth Belding
Ringkasan
Studi ini mengevaluasi L4S menggunakan implementasi DualPI2 sumber terbuka pada emulator Mahimahi dengan trafik video yang dikendalikan SCReAM. Hasilnya, L4S menurunkan median persentil ke-95 delay antrean sebesar 35% tetapi memangkas thro…
Metode
Penulis mengimplementasikan L4S menggunakan AQM DualPI2 sumber terbuka pada emulator jaringan Mahimahi. Mereka memperluas alat SCReAM BW dengan codec video, sehingga memungkinkan …
Hasil
Pada skenario baseline (tanpa packet loss), L4S menurunkan median persentil ke-95 delay antrean per-run sebesar 35% dibandingkan Classic. Namun, hal ini berbiaya penurunan throughput pengirim sebesar…
Makalah ini mengusulkan kerangka Multi-Agent Reinforcement Learning terdesentralisasi yang diintegrasikan dengan Graph Neural Network untuk mengendalikan gelombang kejut lalu lintas hanya dengan informasi yang tersedia secara lokal. Simula…
Metode
Kerangka yang diusulkan menggabungkan MARL dengan GNN untuk memungkinkan kendali terdesentralisasi. Setiap kendaraan bertindak sebagai agen yang mengamati informasi keadaan lokal …
Hasil
Hasil simulasi menunjukkan bahwa kerangka MARL berbasis GNN yang diusulkan dapat menurunkan propagasi gelombang kejut lalu lintas hingga 80%, bahkan ketika hanya 10% kendaraan yang terhubung. Penurun…
Makalah ini mengevaluasi kelayakan penyebaran HAPS skala besar untuk melayani pengguna kepulauan dan maritim, dengan memodelkan kanal darat, pesisir, dan lepas pantai memakai distribusi Rician ternaungi dan Rician. Makalah ini menunjukkan …
Metode
Studi ini mengadopsi kerangka pemodelan analitis yang berpijak pada geometri stokastik dan statistik kanal, dilengkapi dengan simulasi. **Model sistem.** Penyebaran HAPS skala bes…
Hasil
Makalah ini melaporkan kinerja cakupan untuk tiga kelas pengguna dan mengkaji ketergantungannya pada jarak dari batas pulau serta pada kepadatan HAPS. **Cakupan darat dan lepas pantai.** Pengguna dar…
Makalah ini mempelajari streaming federated learning dengan memori klien yang terbatas, di mana data yang baru dihasilkan menimbulkan biaya sampling yang berubah terhadap waktu dan harus dipilih secara selektif untuk diadmisi dan dipertaha…
Metode
Penulis merumuskan masalah sebagai meminimalkan risiko populasi berlebih kumulatif sepanjang horizon waktu $T$, dengan tunduk pada anggaran biaya sampling dan batasan buffer per k…
Hasil
Penulis memberikan jaminan teoretis untuk ACDPP. Melalui serangkaian argumen perbandingan via kebijakan admisi konstan tambahan, mereka menghubungkan batas pembelajaran ACDPP ke tolok ukur oracle tan…
