[奨励講演]超低遅延ネットワークアーキテクチャL4Sを用いた遠隔強化学習の性能評価

奥村, 丈; 三橋, 力麻; 砂原, 悟; 飯田, 勝吉

[奨励講演]超低遅延ネットワークアーキテクチャL4Sを用いた遠隔強化学習の性能評価

奥村, 丈; 三橋, 力麻; 砂原, 悟他

電子情報通信学会技術研究報告, 2026, 126(132), 1-6

Permalink : https://hdl.handle.net/2115/100413

このアイテムのアクセス数:61件（2026-10-17 13:18 集計）

閲覧可能ファイル

ファイル	フォーマット	サイズ	閲覧回数	説明
NS2026-48	pdf	948 KB	35

論文情報

ファイル出力 EndNote Basic出力 Mendeley出力

アクセス権	open access
URI	https://hdl.handle.net/2115/100413
タイトル	[奨励講演]超低遅延ネットワークアーキテクチャL4Sを用いた遠隔強化学習の性能評価
タイトル	Performance Evaluation of Remote Reinforcement Learning Using L4S Ultra-low Latency Network Architecture
著者	奥村, 丈 ; 三橋, 力麻 ; 砂原, 悟 ; 飯田, 勝吉
著者名奥村, 丈 Okumura, Jo
著者名三橋, 力麻 Mitsuhashi, Rikima
著者名砂原, 悟 Sunahara, Satoru
e-Rad_Researcher 00332768 著者名飯田, 勝吉 Iida, Katsuyoshi
言語	日本語
キーワード	遠隔強化学習
	Remote Reinforcement Learning
	倒立振子
	Inverted Pendulum
	L4S
	ns-3
	DEFIANCE
発行日	2026-07-23
出版者	IEICE / 電子情報通信学会
出版者	The Institute of Electronics, Information and Communication Engineers
収録物名	電子情報通信学会技術研究報告
収録物名	IEICE Technical Report
巻(号)	126(132)
ページ	1-6
ページ数	6
抄録	近年、自動運転車の制御や自律ドローンの操作など、機械制御を遠隔で学習・実行するシステムの研究開発が活発化している。機械制御に遠隔強化学習を適用したシステムでは、実際の機器とサーバの間でデータを頻繁にやり取りするため、ネットワーク品質が制御性能や安全性に大きく影響する。最近では、ネットワーク遅延を抑制する手法としてRFC9330で標準化されたL4S（Low Latency, Low Loss, and Scalable Throughput）が注目を集めているが、現時点で遠隔強化学習にL4Sを適用した報告はほとんど見られていない。そこで本研究では、L4Sを適用した高品質なネットワーク上に遠隔強化学習の環境構築を行い、遠隔強化学習の性能評価を行った。具体的には、FIFOやDualPI2などのボトルネックキュー管理方式の違いが、輻輳下における学習および制御性能の維持にどう寄与するかを明らかにする。
抄録	In recent years, research and development of systems that remotely learn and execute machine control, such as autonomous vehicle control and drone operation, has become increasingly active. In systems that apply remote reinforcement learning to machine control, data is frequently exchanged between physical devices and servers; therefore, network quality significantly affects control performance and safety. Recently, L4S (Low Latency, Low Loss, and Scalable Throughput), standardized as RFC 9330, has attracted attention as a method to reduce network latency. However, there are currently few reports on applying L4S to remote reinforcement learning.In this study, we construct a remote reinforcement learning environment on a high-quality network with L4S and evaluate its performance. Specifically, we clarify how differences in bottleneck queue management schemes, such as FIFO and DualPI2, contribute to maintaining learning and control performance under congestion.
会議記述	会議名電子情報通信学会 / ネットワークシステム研究会(NS) / センサネットワークとモバイルインテリジェンス研究会(SeMI) / 超知性ネットワーキングに関する分野横断型研究会(RISING) 主催機関電子情報通信学会開催期間令和8年7月30日～令和8年7月31日開催会場 NTT西日本研修センタ PRISM 開催地大阪府開催国 Japan
資源タイプ	会議発表論文
出版タイプ	Version of Record
権利情報	Copyright ©2026 IEICE
EISSN	2432-6380
NCID	AA12325711